High spatiotemporal resolution land surface temperature (LST) plays an important role in various environment applications. However, the limitation of thermal infrared sensors and the effect of clouds and other atmospheric conditions result in discontinuous daily thermal observations of the Moderate Resolution Imaging Spectroradiometer (MODIS). Annual temperature cycle (ATC) models can help to supply daily continuous LSTs via limited observations, but these ATC models seldom consider the disturbance of weather conditions or the land cover change. On the other hand, spatial interpolation techniques also limit in implementation when available data in one day or several days are not able to obtain enough spatiotemporal information for LST reconstruction. The objective of this study is to propose a phenology-based ATC model (termed PATC), which takes the phenology change and local weather change into account, to reconstruct daily unscanned LSTs at an annual scale. Daily MODIS LSTs collected in 2015 were utilized to analyze the performance of PATC compared with other ATC models. Results show that PATC improved the accuracy by 1.6 and 0.5 K compared to the classic ATC model in the daytime and nighttime, respectively. Compared to the enhanced ATC model, PATC also shows better performance with higher accuracies, especially during the growing season of vegetation in the daytime. Future research may focus on an incorporation with Landsat observations and diurnal temperature cycle models to implement LST reconstruction at a diurnal scale.

中文翻译：

---

通过基于物候学的年度温度循环模型模拟每日温度

高时空分辨率地表温度 (LST) 在各种环境应用中发挥着重要作用。然而，热红外传感器的局限性以及云和其他大气条件的影响导致中分辨率成像光谱仪 (MODIS) 的日常热观测不连续。年温度循环 (ATC) 模型可以通过有限的观测帮助提供每日连续的 LST，但这些 ATC 模型很少考虑天气条件的干扰或土地覆盖变化。另一方面，当一天或几天的可用数据无法获得足够的时空信息用于 LST 重建时，空间插值技术在实现上也受到限制。本研究的目的是提出一个基于物候学的 ATC 模型（称为 PATC），考虑到物候变化和当地天气变化，以每年的规模重建每日未扫描的 LST。2015 年收集的每日 MODIS LST 用于分析 PATC 与其他 ATC 模型相比的性能。结果表明，与经典的 ATC 模型相比，PATC 在白天和夜间的准确度分别提高了 1.6 和 0.5 K。与增强的 ATC 模型相比，PATC 还表现出更好的性能和更高的精度，尤其是在白天植被的生长季节。未来的研究可能侧重于结合 Landsat 观测和昼夜温度循环模型，以在昼夜尺度上实施 LST 重建。2015 年收集的每日 MODIS LST 用于分析 PATC 与其他 ATC 模型相比的性能。结果表明，与经典的 ATC 模型相比，PATC 在白天和夜间的准确度分别提高了 1.6 和 0.5 K。与增强的 ATC 模型相比，PATC 还表现出更好的性能和更高的精度，尤其是在白天植被的生长季节。未来的研究可能侧重于结合 Landsat 观测和昼夜温度循环模型，以在昼夜尺度上实施 LST 重建。2015 年收集的每日 MODIS LST 用于分析 PATC 与其他 ATC 模型相比的性能。结果表明，与经典的 ATC 模型相比，PATC 在白天和夜间的准确度分别提高了 1.6 和 0.5 K。与增强的 ATC 模型相比，PATC 还表现出更好的性能和更高的精度，尤其是在白天植被的生长季节。未来的研究可能侧重于结合 Landsat 观测和昼夜温度循环模型，以在昼夜尺度上实施 LST 重建。PATC 还表现出更好的性能和更高的精度，尤其是在白天植被的生长季节。未来的研究可能侧重于结合 Landsat 观测和昼夜温度循环模型，以在昼夜尺度上实施 LST 重建。PATC 还表现出更好的性能和更高的精度，尤其是在白天植被的生长季节。未来的研究可能侧重于结合 Landsat 观测和昼夜温度循环模型，以在昼夜尺度上实施 LST 重建。