10.11873/j.issn.1004-0323.2020.4.0832
温度植被干旱指数时空融合模型对比
为实时准确地对新疆农业干旱程度进行反演监测,以新疆焉耆盆地为例,通过运用时空自适应反射率融合模型(Spatio Temporal Adaptive Reflectivity Fusion Model,STARFM)、增强型STARFM (Enhanced STARFM,ESTARFM)模型及灵活的时空数据融合模型(Flexible Spatio Temporal Data Fusion,FSDAF)这3种常见的模型对Landsat 8和MODIS数据进行融合,构建了温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),并采用土壤相对湿度(Relative Soil Moisture,RSM)数据对TVDI反演结果进行了验证.结果 表明:①3种数据融合模型所模拟预测的干旱因子(归一化植被指数和地表温度)与真实Landsat 8数据所反演的干旱因子相比,ESTARFM模型模拟预测的干旱因子判定系数(R2)和均方根误差(RMSE)均优于其他两种模型,归一化植被指数(NDVI)的R2和RMSE分别达到了0.924和0.076,地表温度(LST)的R2和RMSE分别达到了0.877和2.799;②3种数据融合模型模拟预测的TVDI通过与真实Landsat 8数据反演的TVDI及RSM数据进行对比验证,发现ESTARFM模型模拟预测的TVDI与上述两种数据之间的R2也均优于其他两种模型,分别达到了0.873和0.248.ESTARFM模型在一定程度上更能准确地模拟预测同时期Landsat 8影像的TVDI分布状况.
Landsat 8-MODIS、STARFM、ESTARFM、FSDAF、TVDI
35
TP75(遥感技术)
国家自然科学基金项目;兰州交通大学“百名青年优秀人才培养计划”;兰州交通大学
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共13页
832-844