Un equipo de investigación, dirigido por el profesor Meng Qingyan del Instituto de Investigación de Información Aeroespacial de la Academia de Ciencias de China, ha desarrollado con éxito el Modelo de Fusión Espaciotemporal Global (GLOSTFM), un modelo de fusión espaciotemporal de alta eficiencia que utiliza datos satelitales de múltiples fuentes.
por Li Yali, Academia China de Ciencias
Al integrar las observaciones térmicas infrarrojas y de microondas del satélite Fengyun-3D (FY-3D), GLOSTFM mejora la resolución espaciotemporal de los datos de temperatura de la superficie terrestre (LST). Los hallazgos se publicaron en Remote Sensing of Environment .
El LST es un indicador crucial para la investigación del cambio climático , los ecosistemas y la salud humana. Sin embargo, las tecnologías tradicionales de teledetección suelen enfrentarse a desafíos, como la limitada resolución espaciotemporal de los sensores individuales y la interferencia de la nubosidad, lo que puede generar lagunas en los datos o una menor precisión.
Para abordar estas limitaciones, los investigadores desarrollaron el modelo GLOSTFM, que combina el principio de la «pirámide de imágenes» con datos satelitales de múltiples fuentes . Esta técnica superpone imágenes infrarrojas térmicas de alta resolución (con una resolución de 1 km) a datos de microondas de baja resolución, pero compatibles con cualquier condición meteorológica. El modelo fusiona gradualmente estas capas para producir un producto LST global de alta resolución espaciotemporal. Utilizando la capacidad de revisita diaria del FY-3D, GLOSTFM incorpora datos de microondas para cubrir áreas nubladas, lo que reduce significativamente la pérdida de datos.
En este estudio, los investigadores probaron GLOSTFM en cinco regiones globales representativas, incluidas ciudades importantes como Beijing y Shanghai, así como zonas agrícolas de Australia, y obtuvieron resultados impresionantes.
Los datos fusionados de temperatura de la superficie terrestre generados por GLOSTFM demuestran una alta precisión, con estimaciones de temperatura que difieren en promedio solo 2,87 K de las mediciones reales. Además, los datos muestran un coeficiente de correlación (R²) de 0,98, que coincide estrechamente con las observaciones reales, lo que los convierte en una herramienta fiable para la investigación climática y ambiental .
Además, GLOSTFM puede procesar 648 millones de píxeles de datos globales en 25 minutos, una velocidad decenas de veces superior a la de los modelos tradicionales. Esta capacidad permite, por primera vez, gestionar datos a gran escala casi en tiempo real.
Al superar el equilibrio entre alta resolución y amplia cobertura en el monitoreo de la temperatura de la superficie terrestre, esta tecnología proporciona datos de alta precisión que respaldan el modelado climático y las iniciativas de neutralidad de carbono.
Más información: Qingyan Meng et al., GLOSTFM: Un modelo global de fusión espaciotemporal que integra observaciones satelitales de múltiples fuentes para mejorar la resolución de la temperatura superficial terrestre, Teledetección del Medio Ambiente (2025). DOI: 10.1016/j.rse.2025.114640
