近日，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所農(nóng)業(yè)遙感團(tuán)隊(duì)在遙感數(shù)據(jù)時(shí)空融合算法研究方面取得了重要進(jìn)展。相關(guān)研究成果《Reconstructing daily 30 m NDVI over complex agricultural landscapes using a crop reference curve approach》發(fā)表在遙感領(lǐng)域頂級(jí)期刊《Remote Sensing of Environment》（IF=9.085）上。
衛(wèi)星遙感數(shù)據(jù)獲取的高時(shí)效性（高時(shí)間分辨率）和高清晰度（高空間分辨率）是農(nóng)作物遙感監(jiān)測(cè)中最重要的兩個(gè)要素。但受到衛(wèi)星傳感器的限制，這兩個(gè)要素在同一顆衛(wèi)星上很難同時(shí)具備。一類衛(wèi)星具有高重訪周期，如MODIS系列衛(wèi)星具備每天觀測(cè)的能力，但其空間分辨率只有500-1000m；另一類衛(wèi)星具有較高空間分辨率，但重訪周期較長(zhǎng)，例如Landsat系列衛(wèi)星，其空間分辨率為30m，重訪周期則為16天。遙感數(shù)據(jù)時(shí)空融合算法是指將這兩類衛(wèi)星數(shù)據(jù)的優(yōu)點(diǎn)結(jié)合在一起，形成一套同時(shí)具備高時(shí)間和高空間分辨率的數(shù)據(jù)，這對(duì)農(nóng)情監(jiān)測(cè)至關(guān)重要，但這類算法的基本假設(shè)導(dǎo)致其應(yīng)用于農(nóng)作物種植結(jié)構(gòu)復(fù)雜地區(qū)時(shí)，小地塊信息無(wú)法被準(zhǔn)確獲取。針對(duì)該問(wèn)題，本研究提出了以作物參考曲線（Crop Reference Curves）為基礎(chǔ)的高時(shí)空分辨率植被指數(shù)重建算法CRC。通過(guò)與現(xiàn)有的多種融合算法比較，該算法重建的精度最高，表現(xiàn)最穩(wěn)定，尤其適用于高空間分辨率數(shù)據(jù)較少情況下（如云雨天氣較多時(shí)）的植被指數(shù)時(shí)間序列重建，未來(lái)可進(jìn)一步應(yīng)用于精細(xì)化農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)和產(chǎn)量預(yù)測(cè)研究中。
孫亮研究員為論文第一作者，合作單位為美國(guó)農(nóng)業(yè)部水文遙感實(shí)驗(yàn)室。該研究得到院青年英才引進(jìn)工程和NASA相關(guān)項(xiàng)目的資助。
三種算法模型在不同輸入影像數(shù)時(shí)的時(shí)間序列NDVI重建曲線對(duì)比圖
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0034425720305290
地區(qū)：
魯公網(wǎng)安備 37060202000128號(hào)
