RSTSU、LSMM、LSVMM比较

RSTSU

该模型出自《Real-Time Spatiotemporal Spectral Unmixing of MODIS Images》。
模型目标：预测Tn时刻MODIS数据的比例。
已知条件：之前Tm时刻MODIS和Landsat数据。
模型阶段：
第一阶段：对Tm和Tn时刻的MODIS图像进行光谱差异的变化检测，提取不变的像元（这些像元内的土地覆被分布在时间上是相同的，但由于植被物候、阳光和大气条件的变化，光谱可能会有所不同），这些像元的比例（丰度）可通过对Tm上分类的Landsat数据进行退化得到。
训练样本：像元的比例（丰度）及其相应的观测光谱结合，构造训练样本，用于在Tn处训练学习模型。
第二阶段：预测剩余的MODIS像元的比例。
流程图如下：

LSMM

模型设定：从Tm到Tn，如果Tm时刻一个未改变的像元是纯像元，那么Tn时刻这个像元也被视为纯像元。
模型过程：在Tn时刻找到所有纯像元后，将MODIS图像中各类纯像元的光谱取平均值，作为端元的光谱进行基于LSMM的光谱分解。对于空间异质性较大的区域，纯像元很少存在，因此，我们假设对于一个像元，如果植被或者非植被的比例大于90%，则认为该像元是一个纯像元，提取这些像元的光谱用于表征端元。

LSSVM

模型设定：Tm时刻MODIS像元的光谱及其相应比例被用来构建训练样本并训练学习模型，基于训练后的模型，在Tn时刻对MODIS像元的比例进行预测。