发布日期：2023-11-07
时空融合集合工具
下载download本时空融合集合工具(spatiotemporalfusion.sav)基于IDL开发，包括了四种典型的时空融合方法STARFM(Gao et al., 2006)、ESTARFM(Zhu et al., 2010)、FSDAF(Zhu et al. 2016)、Fit-FC(Wang et al. 2018)。
使用步骤如下：
- 数据准备：确保粗分辨率影像与细分辨率影像覆盖相同的地理空间范围，同时确保粗细分辨率影像的大小为整数比。对于STARFM、FSDAF、Fit-FC方法，仅需要准备一对粗、细分辨率影像作为基准输入，对于ESTARFM则需要准备两对粗、细分辨率影像作为基准输入。
- 将“spatiotemporalfusion.sav”拷贝至\Exelis\ENVI5*\classic\save_add\路径下。
- 打开ENVI+IDL，在IDL控制台输入“spatiotemporalblending”命令，即可打开融合工具的界面。
- 根据图所示，先点击左上方按钮导入粗分辨率影像时序，再在左侧窗口中选择具有配对高分影像的低分影像，然后点击右侧按钮选择相应时刻的细分辨率影像形成影像对，然后选择融合方法与设置相应参数，点击“Run”按钮，即开始时空融合程序的运行。
- 当IDL控制台会显示“finished!”时，表示融合程序运行完毕。
常见问题：
1. 时空融合方法的参数要如何设置？
软件中涉及到的融合参数没有标准答案。我们最近一项研究中（Zhou et al., 2021）中的设置可作为初始尝试：
1) Number of Classes 表示影像中土地覆盖类型数量，一般设置为5-7（STARFM可设置更多数量，如25）；
2) Number of Similar Pixels 表示算法中搜索周边相似像元的数量，与粗分辨率与细分辨率的比值为相关（假设为R），一般设置为Ｒ*1.5再向上取整。如MODIS-Landsat分辨率比值为8，则该值取12
3) Windows size(half width) 表示相似像元的搜索窗口，与粗分辨率与细分辨率的比值为相关（假设为R），一般设置为（R*1.5）/2再向上取整. 如MODIS-Landsat分辨率比值为8，则该值取6
4) Min/Max value表示融合数据的最大值和最小值，根据你的数据格式取值，如0-1或者0-255等
2. 影像输出结果的地理信息有误？
目前地理几何坐标信息并没有在软件中读取处理，也就是说生成的数据是不带地理坐标的，您可以将输入的细分辨率影像的地理坐标信息赋予生成的融合数据来处理该问题。
3. 按Add Fine Image按钮没有反应？
注意先在左侧窗口中选择某一时刻的粗分辨率影像，再点击右侧Add Fine Image按钮选择相应时刻的细分辨率影像。
有其他任何问题请在下方留言或联系 chenxuehong@bnu.edu.cn
参考文献：
Gao, F., Masek, J., Schwaller, M., Hall, F., On the blending of the Landsat and MODIS surface reflectance: Predicting daily Landsat surface reflectance. IEEE Trans. Geosci. Remote Sens. 2006. 44：2207-2218.
Wang Q, Atkinson P M. Spatio-temporal fusion for daily Sentinel-2 images[J]. Remote Sensing of Environment, 2018, 204: 31-42.
Zhu, X., Chen, J., Gao, F., Chen, X., Masek, J. G., An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions. Remote Sens. Environ. 2010,114： 2610-2623.
Zhu X, Helmer E H, Gao F, et al. A flexible spatiotemporal method for fusing satellite images with different resolutions[J]. Remote Sensing of Environment. 2016, 172: 165-177.
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
43条评论，19人参与。