经典的时空融合算法之一,SCI被引近300次。下载

  具有较高时间和空间分辨率的遥感数据对地表变化监测至关重要,特别是地表异质化程度较高的区域(如城镇地区)。然而受硬件技术、云覆盖等因素限制,单一传感器目前还难以提供理想的数据产品,即同时具备高时间、高空间分辨率的数据。多源遥感数据融合可以充分利用不同数据的优势,同时提高遥感数据的空间与时间分辨率,在土地利用/土地覆盖变化检测方面具有巨大的应用价值。Gao等人在2006年首次提出了时空自适应反射率融合算法(Spatial and temporal adaptive reflectance fusion model,STARFM),通过Landsat数据和MODIS数据的融合,同时提高遥感数据的空间和时间分辨率(IEEE Transactions on Geoscience and Remote Sensing, 2006, 44, 2207-2218),但STARFM算法在非均质地表的反演精度十分不理想。本项目以线性光谱混合理论为基础,建立了非均质地表反射率尺度转换模型,提出利用地物的空间自相关性和时间连续性特征,将粗分辨率的反射率变化信息转换为高空间分辨率反射率的方法(Enhanced STARFM,ESTARFM)(朱孝林等,Remote Sensing of Environment,2010,114: 2610-2623. 代表性论著[2])。ESTARFM在相似像元筛选、相似像元权重计算、粗细分辨率转换系数计算等方面充分考虑了混合像元效应,在异质区域的表现较STARFM算法有很大改进,提高了反射率反演精度10-20%,扩展了STARFM的适用范围。

  代码问题可联系:zhuxiaolin55@gmail.com

REF: Zhu, X., Chen, J.*, Gao, F., Chen, X., & Masek, J. G. (2010). An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions. Remote Sensing of Environment, 114(11), 2610-2623.