ESTARFM相似像元选取方法的改进研究

ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)是一种经典的基于权重滤波的时空融合算法,它在众多领域得到广泛应用。相似像元选取是其一个重要步骤,ESTARFM模型中相似像元选取过程受搜索框大小和分类数影响,当前的研究中搜索框大小的设定较为统一,而分类数大小设定缺乏统一性。为降低ESTARFM算法中分类数对算法性能的影响,将STNLFFM(A Spatial and Temporal Nonlocal Filter-Based Data Fusion Method)中相似像元选取方法与ESTARFM模型相结合,提出改进的ESTARFM_NL模型。研究设计了两组不同时相变化条件下的数据进行对比分析。结果表明:ESTARFM_NL与ESTARFM融合结果相对误差直方图总体分布趋近一致,同时利用平均相对误差和相关系数对融合结果进行评价,发现两种算法之间精度差异较小,表明两种算法融合精度相当;对比两种算法运算效率,发现ESTARFM_NL运行时间能够得到大幅缩减。因此,ESTARFM_NL为大区域或长时间序列遥感数据的时空融合提供了一种可选择的融合方案。

基于能量平衡的遥感蒸散模型研究进展

近30年来遥感技术的迅猛发展,使陆地生态系统遥感蒸散模型在区域甚至更大尺度上的定量估算中处绝对优势。其中基于能量平衡的蒸散模型机理明确,应用最为广泛。根据基本原理与假设对比几种典型单、双层模型的优缺点及适用条件,指出在操作过程中模型面临的问题及误差来源,如时空尺度效应、"干""湿"限选取、地表温度反演等。对现阶段模型精度验证亟待解决的问题进行简要说明,认为应以在提高精度与简化步骤中寻找平衡点的辩证思想开发、选取模型。提出使用高分辨率、强指向性遥感数据、选取高效像元提取方法、开发适宜于遥感模型的气象数据插值方法等驱动模型发展、提高模型使用效果的设想。