近日，中國農業科學院農業資源與農業區劃研究所農業遙感團隊聯合美國農業部水文遙感實驗室在遙感數據時空融合算法研究方面取得了重要進展，提出新的高時空分辨率植被指數融合算法，對于農作物種植結構復雜地區的農情遙感監測具有重要意義。相關研究成果在線發表在《環境遙感（Remote Sensing of Environment）》上。
據孫亮研究員介紹，衛星遙感數據獲取的高時效性(高時間分辨率)和高清晰度(高空間分辨率)是農作物遙感監測中最重要的兩個要素。但受到衛星傳感器的限制，這兩個要素在同一顆衛星上很難同時具備。一類衛星具有高重訪周期，如MODIS系列衛星具備每天觀測的能力，但其空間分辨率只有500~1000米；另一類衛星具有較高空間分辨率，但重訪周期較長，例如Landsat系列衛星，其空間分辨率為30米，重訪周期則為16天。遙感數據時空融合算法是指將這兩類衛星數據的優點結合在一起，形成一套同時具備高時間和高空間分辨率的數據，這對農情監測至關重要，但這類算法的基本假設導致其應用于農作物種植結構復雜地區時，小地塊信息無法被準確獲取。
針對該問題，該研究提出了以作物參考曲線(Crop Reference Curves)為基礎的高時空分辨率植被指數重建算法CRC。通過與現有的多種融合算法比較，該算法重建的精度最高，表現最穩定，尤其適用于高空間分辨率數據較少情況下(如云雨天氣較多時)的植被指數時間序列重建，未來可進一步應用于精細化農作物長勢監測和產量預測研究中。
該研究得到院青年英才引進工程和NASA相關項目資助。（通訊員 金云翔）
3種算法模型在不同輸入影像數時的時間序列NDVI重建曲線對比圖
融合效果對比圖（左圖為原始Landsat 圖像，中圖為新算法CRC圖像，右圖為經典融合算法STARFM圖像）
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0034425720305290
