Реальное мониторирование состояния посевов на уровне полей является ключом к точному сельскому хозяйству. Спутниковое дистанционное зондирование охватывает широкие области, но ограничено погодными условиями и пространственным разрешением; беспилотные летательные аппараты (БПЛА) обеспечивают высокое пространственное разрешение, но имеют ограничения по времени полёта. Один источник данных сложно использовать для непрерывного мониторинга на больших территориях. В данной работе на основе многоспектральных данных UAV, Sentinel-2 и PlanetScope SuperDove предложен метод пространственно-временного слияния на основе улучшенного алгоритма CACAO. Метод строит две стратегии объединения данных — «UAV+Sentinel-2» и «SuperDove+Sentinel-2+UAV» — и с использованием прямого прогнозирования и обратного обновления формирует почти в реальном времени ежедневную серию данных нормализованного индекса растительности (NDVI) с разрешением 1 метр. Дополнительно применена перекрёстная проверка Leave-One-Out (LOOCV) и проведено сравнение с существующим алгоритмом GLM-STF (пространственно-временное слияние на основе обобщённой линейной модели) для оценки точности слияния. Результаты показали: (1) NDVI данные разных платформ обладают хорошей согласованностью, корреляция NDVI Sentinel-2 и SuperDove достигает 0.97, корреляция NDVI БПЛА и спутника превышает 0.75, что удовлетворяет требованиям слияния данных; (2) алгоритм CACAO эффективно восстанавливает фенологическую динамику риса, где временные ряды NDVI, полученные в режиме обратного обновления, более плавные, и обе стратегии объединения на основе CACAO достигают высокой точности (R > 0.94). Введение данных SuperDove с высоким временным разрешением в ключевые фенологические периоды повышает точность с 0.51 до 0.67; (3) алгоритм CACAO демонстрирует более стабильное и немного более высокое качество по сравнению с GLM-STF на протяжении всего сезона роста. В итоге предложенная платформа для слияния данных позволяет эффективно создавать непрерывные и высокоточные временные ряды NDVI риса на уровне полей, обеспечивая технологическую поддержку для точного мониторинга и управления ростом растений.

PlanetScope;Sentinel-2;пространственно-временное слияние данных;мониторинг роста;точное земледелие;уровень полей;фенологические кривые;почти реальное время