时间剖面

STARFM 与基于分解的 Landsat 和 MODIS 数据融合算法的比较

本研究的重点是比较应用于中高空间分辨率传感器的数据融合方法。应用了两种已记录的方法，即空间和时间自适应反射融合模型 (STARFM) 和基于解混的方法，该方法提出了一种贝叶斯公式来整合先前的光谱信息。此外，两种算法的优势结合在一种新颖的数据融合方法中：空间和时间反射解混模型 (STRUM)。使用模拟图像和 Landsat 和 MODIS 图像展示了每种方法的潜力。算法的理论基础使 STARFM 和 STRUM 产生类似 Landsat 的反射，同时保留 Landsat 图像中的空间模式，而基于解混的方法产生类似 MODIS 的反射。还使用时间 NDVI 配置文件评估了融合图像捕捉物候变化的能力。 STARFM NDVI 的时间剖面与 Landsat NDVI 剖面非常相似。然而，在模拟输入高分辨率图像很少的情况的实验中，基于分离的方法和 STRUM 可以更准确地重建 NDVI 轨迹。STRUM 性能最佳，因为它产生的表面反射与参考 Landsat 图像的相关性最高。这项研究的结果表明，STRUM 更适合需要类似 Landsat 表面反射的数据融合应用，例如间隙文件