最新发表:六种典型时空融合方法对不同影响因子的敏感性:NDVI时间序列重建的比较研究

发布日期:2020-10-30 16:33
浏览次数:621
20201030

   植被指数(如NDVI)的时间序列数据可以作为环境应用中的重要数据源,如农田制图,植被物候监测和变化检测等等。然而由于硬件技术或预算的限制,目前卫星上的大多数传感器无法获取具有高时空分辨率的数据。时空融合算法可以用过结合高空间低时间分辨率的数据(如LandsatSentinel-2)与低空间高时间分辨率的数据(如MODISSentinel-3)等数据,生成高时空分辨率的遥感时序数据,以监测快速的地表变化。目前存在一些研究,已经对比了不同的算法对于不同实验数据的表现。然而这些研究忽略了实际应用中影响时空融合算法精度的重要因素,包括传感器之间的几何误差,辐射误差和空间分辨率之比。因此对于用户来说,如何根据实验区和实验数据来选择合适的时空融合算法,仍是一个难题。因此在我们的研究中,通过模拟实验和理论推导,比较了六种经典的时空融合算法(UBDFLMGM STARFM Fit-FCOPDLFSDAF)对于三种影响因素的敏感性。主要研究结果如下:(1)当传感器之间的辐射误差可以忽略时,Fit-FC能在NDVI融合实验中表现最好,且对传感器之间的几何误差不敏感;(2)当传感器之间的辐射误差不可忽略时,FSDAF表现最好;(3)通过公式推导总结了现有算法的设计原理与误差(几何和辐射)传递的过程。这项研究结果帮助用户选择合适的算法,并为算法开发人员在将来设计新时空融合算法时提供指导。


该论文已发表于最新一期Remote Sensing of Environment(一区,IF=9.085)上。


Reference: Zhou J., Chen J., Chen X., Zhu X., Qiu, Y., Song, H., Rao, Y., Zhang C., Cao X., Cui X. (2021). Sensitivity of six typical spatiotemporal fusion methods to different influential factors: A comparative study for a normalized difference vegetation index time series reconstruction. Remote Sensing of Environment. 252, 112130. 
doi.org: 10.1016/j.rse.2020.112130

分享到: