为探讨不同遥感时空信息融合算法在水陆转换频繁、地物类型多样的湿地区域的适用性问题,该文以鄱阳湖样区为研究区,选取5种典型的时空信息融合算法(STARFM,ESTARFM,FSDAF,Fit-FC和STNLFFM)。根据不同时期地物差异状况,选取Landsat和MODIS遥感数据分别开展枯水期、平水期2个时段的归一化植被指数(normalized difference vegetation index,NDVI)影像融合实验,并在空间和光谱2个维度进行算法精度评估。结果表明,仅一对粗细分辨率影像输入时,FSDAF算法在枯水期的融合预测效果最好,总体误差为0.4335;STNLFFM算法在平水期的融合预测效果最好,总体误差为0.5147;同时应用枯水期、平水期2对粗细分辨率影像时,ESTARFM算法融合预测效果最好,总体误差为0.4670。不同时空信息融合算法在湿地地区的适用性与研究区域内水体面积的占比情况有关,STNLFFM算法在水体区域的融合预测效果最好。
罗佳欢;严翼;肖飞;刘欢;胡铮铮;王宙;
资源转化与污染控制国家民委重点实验室中南民族大学资源与环境学院,武汉430074中国科学院精密测量科学与技术创新研究院,武汉430071中国科学院精密测量科学与技术创新研究院,武汉430071 中国科学院大学,北京100049
计算机与自动化
时空信息融合;鄱阳湖湿地;FSDAF模型;STNLFFM模型;ESTARFM模型
《自然资源遥感》 2024 (002)
P.60-69 / 10
中国科学院战略性先导科技专项(A类)“长江经济带干流典型湖泊水生态修复与综合调控”(编号:XDA23040201);湖北省重点研发计划项目“长江中游流域生态环境监测关键技术与装备研发”(编号:2020BCA074);国家自然科学基金项目“汉江中下游河谷平原土地沙化空间格局动态监测及防治区划研究”(编号:41901235)共同资助。
10.6046/zrzyyg.2023032
评论