增强型时空自适应反射融合模型 (ESTARFM): 提高异质景观预测精度

由于技术和预算限制，遥感仪器往往需要在空间分辨率和幅宽之间进行权衡。这导致没有一个传感器能够同时提供高空间分辨率和高时间分辨率的数据，而这对于监测季节性景观变化和支持全球变化科学至关重要。

为了解决这个问题，研究人员提出了将来自每日全球数据（例如 MODIS、MERIS、SPOT-Vegetation）的辐射度与来自覆盖范围较小的高分辨率传感器（例如 Landsat、CBERS、ResourceSat）的数据进行“融合”的方法。然而，现有的多源数据融合算法存在一些缺陷，特别是在准确预测异质景观的地表反射率方面。

为了克服这些限制，本研究开发了一种增强型空间和时间自适应反射率融合模型 (ESTARFM)。ESTARFM 基于现有的 STARFM 算法，并通过模拟和实际卫星数据进行了测试。

结果表明，ESTARFM 提高了对细分辨率反射率的预测准确性，特别是对于异质景观，同时保留了空间细节。以近红外 (NIR) 波段为例：

对于均匀区域，ESTARFM 的预测略优于 STARFM（平均绝对差异 [AAD] 为 0.0106 对 0.0129 反射率单位）。* 对于复杂的异质景观，ESTARFM 的预测准确性比 STARFM 有了更大的提高（AAD 为 0.0135 对 0.0194）。

这种改进的融合算法将支持对全球景观在季节性和年际时间尺度上的变化进行新的研究。

关键词: ESTARFM, 遥感, 数据融合, 空间分辨率, 时间分辨率, 异质景观, 反射率, STARFM, MODIS, Landsat