基于深度学习的陆表温度估算时空融合：全面调查、实验分析及未来趋势

本研究针对高分辨率陆表温度（LST）数据获取难题，提出了一种基于深度学习的时空融合（STF）方法，以提高LST的空间和时间分辨率。通过全面回顾当前的STF技术，构建了新的分类体系，并提供了开源基准数据集，以支持未来研究。该工作的主要贡献在于为LST估算提供了一种创新的深度学习框架及相关数据，推动了这一领域的发展。