高い時空解像度の正規化植生指数（Normalized Difference Vegetation Index、NDVI）データは、作物の成長監視やパラメータ推定などにおいて不可欠な重要性を持っています。衛星リモートセンシングデータの赤外線帯域と近赤外線帯域は、NDVIの重要なデータソースとして機能します。しかし、衛星センサーのパワーに制限があるため、収集されるリモートセンシングデータの空間分解能と時間分解能の間には通常相互制約があり、高い時空解像度のNDVIデータを得ることが難しいです。時空融合技術は、高い時間分解能を持ちつつ空間分解能が低いNDVIデータと、高い空間分解能を持ちつつ時間分解能が低いNDVIデータを融合し、高い時空解像度のNDVIデータを生成することを目指しています。しかし、NDVIの時空融合には大きな課題があり、すでに知られている補助データの時間と予測時刻の間に地表カバーが大きく変化することが一般的です。この課題に対処するため、本研究では、時空融合のための空間ドメイン再構築手法（STFSR）を提案しています。STFSR手法は、予測時刻に近い時間的には高い空間分解能のデータを利用してNDVIの時空融合予測に役立てますが、データ欠損（リモートセンシング画像の雲によるもの）があります。このような補助画像の利用は、NDVIの変動が時空融合に与える影響を効果的に軽減します。本研究で選択した3つの実験領域では、提案されたSTFSR手法が一般的な時空自適応反射率融合モデル（Spatial and Temporal Adaptive Reflectance Fusion Model、STARFM）および空間重み付けベースのバーチャル画像対を利用した時空融合モデル（spatial weighting-based virtual image pair-based spatio-temporal fusion、VIPSTF-SW）手法よりも高い精度を持つことが証明されました。3つの実験領域でのSTFSR手法の平均二乗平均平方誤差（Root Mean Square Error、RMSE）は、STARFMとVIPSTF-SWよりもそれぞれ0.0217および0.0188低下し、平均相関係数（Correlation Coefficient、CC）はそれぞれ0.0820および0.0742の向上、相対的な全体的な統合誤差（Relative Global-dimensional Synthesis Error、ERGAS）はそれぞれ4.3170および3.8535低下しました。さらに、補助データの雲領域の面積が増加すると、STFSR手法は精度が低下する傾向がありますが、全体的にはSTARFMおよびVIPSTF-SW手法よりも優れています。STFSR手法は、高い時空解像度のNDVIデータの生成に新しいアプローチを提供し、その原理と利点から、他の高い時空解像度の植生指数データ（例えば、改良型植生指数（EVI）など）の生成にも利用される可能性があります。

Landsat;MODIS;NDVI;時空融合;空間ドメイン再構築