地表温度 (Land Surface Temperature, LST)是研究地表与大气之间物质和能量交换、气候变化等方面不可或缺的参数，遥感是大范围LST的常见获取手段。然而，受遥感影像时空分辨率的制约，难以直接获取高时间和高空间分辨率的LST数据，从而难以支撑大范围、精尺度的LST监测。鉴于此，本研究基于图像融合理念，以Landsat8和MODIS遥感数据为研究对象，以澳大利亚南部Griffith为研究地点，将高空间低时间分辨率的Landsat8 LST、低空间高时间分辨率的MODIS LST，以及对应反射率图像利用深度学习模型DLSTEF进行融合，其中反射率产品主要用以提升其空间细节，从而获得2022年份高时空分辨率的每日LST。与现有的时空融合算法（STARFM、ESTARFM、EDCSTFN）相比，本方法可以更好地反映空间细节信息，整体温度精度对比时空融合算法有一定提升。
 

地表温度,深度学习