文摘植被覆盖度是衡量地表植被状况的重要指标,在水文、气象和生态等方面的研究中具有重要作用。以Landsat8为数据源,采用Gram-Schmidt变换的光谱锐化融合方法提高热红外波段的空间分辨率,计算热量指数,对传统FCD模型(forest canopy density mapping model)进行改进,根据4种指数的关系计算植被覆盖度。通过与传统FCD模型方法计算结果比较,改进后的植被覆盖度计算方法具有更高的精度。
文摘时空融合影像能够满足大范围、高精度、快速变化的地表覆被监测需求,已被广泛应用于环境、水文及农情监测等多个领域。基于不同类型的遥感数据,提出一种基于粒子群优化(particle swarm optimization,PSO)和线性混合像元分解技术的遥感影像融合方法。首先,通过统计不同端元反射率变化范围将PSO方法应用于端元反射率求解过程中;然后,综合考虑高低空间分辨率影像之间的端元反射率差异及时空权重实现遥感影像融合;最后,与现有方法进行对比验证。结果表明,所提方法能够有效提高遥感影像的融合精度。以近红外、红光和绿光波段遥感影像为例,使用该方法得到的预测影像的均方根误差和空间结构相似指数均优于增强型的时空融合模型(enhanced spatial and temporal data fusion model,ESTDFM)方法,因此,该方法对地表覆被变化监测与研究具有实用意义。