10.11833/j.issn.2095-0756.20220381
4种遥感数据时空融合模型生成高分辨率归一化植被指数的对比分析
[目的]针对时空融合方法在遥感植被状况调查及动态变化监测中的应用,比对时空自适应反射率融合模型(STARFM)、增强型时空自适应反射率融合模型(ESTARFM)、回归拟合空间滤波和残差补偿模型(Fit-FC)和规则集回归树融合模型(RPRTM)等4种时空融合模型对归一化植被指数(NDVI)的融合效果.[方法]以三江源地区2块具有差异性地表特征的区域为研究样地,采用上述4种时空融合方法,融合空间分辨率30 m的Landsat 8影像和250 m时间步长16 d的MODIS NDVI数据,生成步长为16 d的30 m空间分辨率的NDVI数据.基于Landsat NDVI影像通过定性的目视判别和定量的统计分析来评价不同融合模型结果的空间特征模拟效果,并以真实的MODIS NDVI时间动态为参考,分析了不同融合方法对地表植被动态特征的拟合效果.[结果]①关于空间特征的捕捉,在地表覆盖状况较复杂的区域,RPRTM融合效果最佳(R2=0.82);而对于输入影像差异较大的区域,ESTARFM融合效果最佳(R2=0.95).②关于时间动态的捕捉,RPRTM针对不同的植被型均取得了最佳效果(R2为0.97~0.99).③相对于模型输入数据的时空可比性,地表异质性对STARFM和ESTARFM融合效果的影响更大.[结论]4种时空融合模型能有效用于生成高时空分辨率的NDVI数据,不同模型其融合效果各有不同,RPRTM在复杂地表区域与模拟植被生长动态变化中均有较好表现.
时空数据融合、归一化植被指数、增强型时空自适应反射率融合模型、规则集回归树融合模型、回归拟合空间滤波和残差补偿模型
40
S758(森林经营学、森林计测学、森林经理学)
浙江农林大学学校科研发展基金项目2020FR084
2023-04-23(万方平台首次上网日期,不代表论文的发表时间)
共9页
427-435