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