发布日期:2023-03-28
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+ 查看更多
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
+ 查看更多
发布日期:2020-10-30 16:33
浏览次数:411
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Landsat和Sentinel-2)与低空间高时间分辨率的数据(如MODIS和Sentinel-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(UBDF,LMGM, STARFM, Fit-FC,OPDL和FSDAF)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。
分享到: