NDVI时间序列重建的方法比较总结

NDVI时间序列重建的方法比较总结
文章来源于北师大陈晋团队，作者是北师大副教授陈学泓。
文章doi：10.1016/j.rse.2020.112130
该研究主要用了6种时空融合方法（即：UBDF、LMGM、STARFM、Fit-FC、OPDL、FSDAF）从几何配准误差、传感器辐射差异、空间比率三个方面，采用均方根误差（RMSE）、相关系数（r）、绝对相对差异指数（ADRI）评价了它们之间的误差，结果表明：如果不考虑传感器之间的辐射差异，Fit-FC融合算法最优，如果考虑传感器之间的辐射差异，则可以考虑使用FSDAF算法。
文中指出的几点值得注意：
1.Fit-FC由于几何误差补偿，所以几何配准误差最小；
2.辐射差异是系统差异，可以看做是线性差异；
3.空间比率增加，粗像素包含更多的细像素，因此变得更加混合，这与增加了空间异质性相似；
4.Fit-FC特别适用于融合NDVI数据，因为它充分获取两幅影像的时间变化。
作者对6种时空融合算法的表现进行了打分：

(Variations = Spatiotemporal variations; Ratio = Spatial Resolution ratio)

                                                                     作者：CDUT_HS
                                                                       2021年3月1日