近日，中國農(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)隊聯(lián)合美國農(nóng)業(yè)部水文遙感實驗室在遙感數(shù)據(jù)時空融合算法研究方面取得了重要進(jìn)展，提出新的高時空分辨率植被指數(shù)融合算法，對于農(nóng)作物種植結(jié)構(gòu)復(fù)雜地區(qū)的農(nóng)情遙感監(jiān)測具有重要意義。相關(guān)研究成果在線發(fā)表在《環(huán)境遙感（Remote Sensing of Environment）》上。
據(jù)孫亮研究員介紹，衛(wèi)星遙感數(shù)據(jù)獲取的高時效性(高時間分辨率)和高清晰度(高空間分辨率)是農(nóng)作物遙感監(jiān)測中最重要的兩個要素。但受到衛(wèi)星傳感器的限制，這兩個要素在同一顆衛(wèi)星上很難同時具備。一類衛(wèi)星具有高重訪周期，如MODIS系列衛(wèi)星具備每天觀測的能力，但其空間分辨率只有500~1000米；另一類衛(wèi)星具有較高空間分辨率，但重訪周期較長，例如Landsat系列衛(wèi)星，其空間分辨率為30米，重訪周期則為16天。遙感數(shù)據(jù)時空融合算法是指將這兩類衛(wèi)星數(shù)據(jù)的優(yōu)點結(jié)合在一起，形成一套同時具備高時間和高空間分辨率的數(shù)據(jù)，這對農(nóng)情監(jiān)測至關(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，小地塊信息無法被準(zhǔn)確獲取。
針對該問題，該研究提出了以作物參考曲線(Crop Reference Curves)為基礎(chǔ)的高時空分辨率植被指數(shù)重建算法CRC。通過與現(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)的植被指數(shù)時間序列重建，未來可進(jìn)一步應(yīng)用于精細(xì)化農(nóng)作物長勢監(jiān)測和產(chǎn)量預(yù)測研究中。
該研究得到院青年英才引進(jìn)工程和NASA相關(guān)項目資助。（通訊員 金云翔）
3種算法模型在不同輸入影像數(shù)時的時間序列NDVI重建曲線對比圖
融合效果對比圖（左圖為原始Landsat 圖像，中圖為新算法CRC圖像，右圖為經(jīng)典融合算法STARFM圖像）
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0034425720305290
