多源遥感影像时空信息融合产生的高时空分辨率影像是遥感地学应用的重要数据源,利用时空融合算法形成的高时空分辨率植被指数数据集对于植被动态监测具有重要意义。为了在草原植被监测中更好地应用时空融合算法,该文利用2013-2016年间...多源遥感影像时空信息融合产生的高时空分辨率影像是遥感地学应用的重要数据源,利用时空融合算法形成的高时空分辨率植被指数数据集对于植被动态监测具有重要意义。为了在草原植被监测中更好地应用时空融合算法,该文利用2013-2016年间内蒙古自治区呼伦贝尔和锡林郭勒地区多期Landsat8和MODIS影像进行高时空分辨率NDVI植被指数计算,定量评价了STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)、CDSTARFM(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)和STDFM(Spatial and Temporal Data Fusion Model)3种常用时空融合算法在不同融合策略下的精度。研究结果表明,基于NDVI融合策略的STARFM算法更适合草原地区高时空分辨率NDVI数据的构建。展开更多
文摘多源遥感影像时空信息融合产生的高时空分辨率影像是遥感地学应用的重要数据源,利用时空融合算法形成的高时空分辨率植被指数数据集对于植被动态监测具有重要意义。为了在草原植被监测中更好地应用时空融合算法,该文利用2013-2016年间内蒙古自治区呼伦贝尔和锡林郭勒地区多期Landsat8和MODIS影像进行高时空分辨率NDVI植被指数计算,定量评价了STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)、CDSTARFM(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)和STDFM(Spatial and Temporal Data Fusion Model)3种常用时空融合算法在不同融合策略下的精度。研究结果表明,基于NDVI融合策略的STARFM算法更适合草原地区高时空分辨率NDVI数据的构建。
