Die Strahlungstemperatur ist eine wichtige grundlegende Beobachtungsgröße der passiven Mikrowellenfernerkundung und eine wichtige Eingangsgröße zur Ableitung der Oberflächentemperatur, der Bodenfeuchte, der Schneewasseräquivalente und anderer wichtiger bodennaher Parameter. Sie besitzt einen bedeutenden wissenschaftlichen Wert und Anwendungspotenzial in den Bereichen Meteorologie, Klima und Umweltfernerkundung. Der passive Mikrowellensensor AMSR2 (Advanced Microwave Scanning Radiometer 2) kann ganzwetter- und global abdeckende Strahlungstemperaturdaten liefern. Aufgrund der Beschränkungen des Orbits und der Sensoreigenschaften weisen AMSR2-Strahlungstemperaturdaten jedoch orbital bedingte Lücken auf, die die Datenintegrität und Anwendungsgenauigkeit beeinträchtigen. In diesem Artikel wird auf Grundlage der Analyse der raumzeitlichen Charakteristika orbitaler Lücken und der nichtlinearen Beziehung zwischen Strahlungstemperaturdaten und Umweltvariablen im allgemeinen Spektrum ein multidimensionales Rekonstruktionsmodell mittels raumzeitlichem spektralem Random Forest (STSRF, Spatio-Temporal Spectral Random Forest) vorgeschlagen. Anhand von AMSR2-Strahlungstemperaturdaten der chinesischen Region im Jahr 2020 wurden Trainings- und Validierungsdatensätze getrennt nach Monaten sowie Tag- und Nachtszenarien erstellt; Simulations- und reale Experimente wurden durchgeführt und die Downscaling-Effekte vor und nach der Rekonstruktion bewertet. In den Simulationsversuchen zeigte die STSRF-Rekonstruktion der Strahlungstemperatur eine hohe Genauigkeit mit RMSE-Werten von 0,78 bis 2,21 K tagsüber und 0,73 bis 2,35 K nachts, wobei die Rekonstruktionsgenauigkeit in Hochgebirgsgebieten insgesamt besser war als in anderen Regionen; in realen Experimenten wies die STSRF-rekonstruierte Strahlungstemperatur eine hohe räumliche Übereinstimmung mit den AMSR2-Beobachtungsdaten auf, ohne erkennbare Rekonstruktionsartefakte. Darüber hinaus zeigte die vergleichende Analyse des Downscalings, dass die auf rekonstruierten Daten basierenden Ergebnisse in Bezug auf die Erhaltung räumlicher Details und numerische Genauigkeit Vorteile gegenüber direkten Downscaling-Methoden aufweisen, was die Effektivität der Rekonstruktionsstrategie weiter bestätigt. Daher ermöglicht die STSRF-Methode nicht nur eine effektive Rekonstruktion der orbitalen Lücken in den AMSR2-Strahlungstemperaturdaten, sondern unterstützt auch nachfolgende Downscaling-Verfahren und bietet technische Unterstützung für großflächige hochauflösende Mikrowellenfernerkundungsanwendungen.

AMSR2 Strahlungstemperatur; orbitale Lückenrekonstruktion; raumzeitlicher spektraler Random Forest; Downscaling; Umweltvariablen