Высокоразрешенные данные нормализованного индекса вегетации (NDVI) имеют непреемлемое значение для мониторинга роста сельскохозяйственных культур и восстановления параметров. Данные спутникового дистанционного зондирования красного и ближнего инфракрасного диапазонов часто используются в качестве важного источника данных NDVI. Однако из-за ограничений мощности спутниковых сенсоров обычно существует взаимное ограничение между пространственным и временным разрешением полученных данных дистанционного зондирования, что затрудняет получение данных NDVI совместно высокого пространственного разрешения и высокой временной разрешения. Технология пространственно-временного слияния направлена на слияние данных NDVI с высоким временным разрешением, но низким пространственным разрешением, и данных NDVI с высоким пространственным разрешением, но низким временным разрешением, для генерации данных NDVI высокого пространственно-временного разрешения. Однако пространственно-временное слияние NDVI сталкивается с серьезным вызовом, заключающимся в том, что известно, что в момент, когда данные вспомогательных изображений соответствуют предсказуемому моменту, но имеют пропущенные данные (в результате облачного покрытия спутникового изображения), обычно возникают значительные изменения покрытия земли между моментом данных вспомогательного изображения и предсказуемым моментом. Для решения этого вызова в данной работе предложен улучшенный метод слияния пространственной временной реконструкции (STFSR) для слияния NDVI пространственно-временного. Метод STFSR полностью использует данные высокого пространственного разрешения, близкие к предсказуемому моменту, но содержащие пропущенные данные (из-за облачного покрытия спутникового изображения), в качестве вспомогательных данных для прогнозирования пространственно-временного слияния NDVI. Использование таких вспомогательных изображений эффективно уменьшает воздействие изменения NDVI на пространственно-временное слияние. В представленном исследовании было показано, что предложенный метод STFSR имеет более высокую точность, чем обычный модель статейно-временного адаптивного фьюжена отражающего. В три выбранных области эксперимента предложенный метод STFSR показал среднюю квадратичную погрешность (RMSE) примерно на 0.0217 и 0.0188 меньше, чем STARFM и VIPSTF-SW соответственно, средний коэффициент корреляции (CC) повышается на 0.0820 и 0.0742 соответственно, а относительная глобальная синтезная ошибка (ERGAS) уменьшается на 4.3170 и 3.8535 соответственно. Кроме того, при увеличении площади облачности во вспомогательных данных метод STFSR, хотя и проявляет снижающуюся тенденцию в точности, в целом остается более эффективным, чем STARFM и VIPSTF-SW. Метод STFSR предлагает новый подход для создания данных NDVI высокого пространственно-временного разрешения и, учитывая его принципы и преимущества, эту модель можно успешно применять и для других высокоразрешенных данных индекса вегетации, таких как улучшенный индекс вегетации (EVI).

Landsat;MODIS;NDVI;пространственно-временное слияние;пространственное восстановление