发布日期:2023-11-07
时空融合算法SSFIT

高时空分辨率NDVI时序影像,对于监测地表植被动态的时空细节十分有效。然而由于技术和成本的原因,此类产品难以通过单一传感器获取。时空融合算法可以通过融合具有不同时空分辨率的多传感器数据,从而生成高时空分辨率的卫星数据产品。然而现有算法的表现往往受严格的数据要求和不适当的建模策略所限制,特别是在数据质量较差的情况下。在本研究中,我们提出了一种新的时空融合方法,以一次性生成多期的、兼具高空间分辨率和重访频率的NDVI时序影像(SSFIT)。通过结合多个传感器的时序信息,该算法具有两个明显的特点:(1) 不需要无云的高空间分辨率图像;(2) 同时生成多个预测日期的高空间分辨率图像。我们在两个代表性区域,将本研究的方法SSFIT与4种典型方法(STARFM、FSDAF、Fit-FC、IFSDAF),在模拟的理想和苛刻两种输入数据条件下进行了对比。结果表明,在理想的输入条件下,SSFIT具有更高的整体预测精度和效率(两区的平均RMSE分别为0.1037和0.0713,平均相关系数分别为0.9180和0.7875,计算时间分别为109和120秒),并且SSFIT在数据输入苛刻条件下具更强的鲁棒性。因此,SSFIT有望扩展到各种遥感产品,并支持监测陆地表面动态的应用。
该研究已在International Journal of Applied Earth Observation and Geoinformation上在线发表

代码问题可联系:Qiu_Yuean@outlook.com
REF: Qiu, Y., Zhou, J., Chen, J*., Chen, X., 2021. Spatiotemporal fusion method to simultaneously generate full-length normalized difference vegetation index time series (SSFIT). Int. J. Appl. Earth Obs. Geoinformation 100, 102333. https://doi.org/10.1016/j.jag.2021.102333