NDVI 是生态系统动态监测中最常用的植被指数。然而，全球覆盖的NDVI产品仅有较低的空间分辨率，以至于缺乏必要的空间细节信息。因此，生产高时空分辨率的NDVI时间序列数据对土地覆盖动态变化的研究具有重要的意义，尤其是对于空间异质性强的地区。本研究提出了IFSDAF算法来生产高时空分辨率的NDVI时间序列数据。考虑到NDVI具有较强的空间自相关性，IFSDAF算法将混合像元分解得到的时间增量与薄板样条插值得到的空间增量进行加权求和，进而得到精度更高的综合增量。其中，权重根据最小二乘方法计算得到。为了更好的运用高空间分辨率的数据，如Landsat和Sentinel，IFSDAF方法将部分被云污染的高空间分辨率数据也用来进行预测，然后将多期预测的结果进行加权得到最终的融合结果，其中权重由相似性来确定。在本研究中，高异质性的区域以及发生明显土地覆盖变化的区域都用来对IFSDAF方法进行检验。对于异质性区域，融合结果的RMSE为0.0884，relative RMSE为22.12%；对于发生土地覆盖变化的区域，RMSE为0.0546， relative RMSE 为25.77%。 测试结果表明，IFSDAF方法具有比较高的精度以及稳健性，能够满足生产高精度的高时空分辨率NDVI时间序列数据的需求。

代码问题可联系：mengliu@mail.bnu.edu.cn

REF: Liu, M., Yang, W., Zhu, X., Chen, J.*, Chen, X., Yang, L., & Helmer, E.H. (2019). An Improved Flexible Spatiotemporal DAta Fusion (IFSDAF) method for producing high spatiotemporal resolution normalized difference vegetation index time series. Remote Sensing of Environment, 227(2019), 74-89.