一种高时空分辨率NDVI数据集构建方法-STAVFM研讨.docVIP

****-****（2010）01 Journal of Remote Sensing 遥感学报 一种高时空分辨率NDVI数据集构建方法-STAVFM 蒙继华1,2 吴炳方1,2* 杜鑫1 钮立明1 张飞飞1 1中国科学院遥感应用研究所，北京 100101；2遥感科学国家重点实验室，北京 100101 摘要：ETM NDVI可以用来在30m的尺度上开展植被的监测，然而在Landsat卫星16天的重访周期和云污染等因素的影响下，常常会在相当长的一段时间内无法获取有效的ETM NDVI数据，给这一尺度下的植被动态监测带来了一定困难。相比之下，MODIS虽然在空间上只有250m分辨率的NDVI产品，却可以每天进行相同区域的监测。针对ETM空间分辨率高和MODIS时间分辨率高的特点，本研究选择实验区，基于对STARFM方法的改进，构建不同时空分辨率NDVI的时空融合模型-STAVFM，使用该模型对ETM NDVI与MODIS NDVI融合，构建了高时空分辨率NDVI数据集。研究结果表明，通过MODIS NDVI时间变化信息与ETM NDVI空间差异信息的有机结合，实现缺失高空间分辨率NDVI的有效预测（3景预测NDVI与实际NDVI的相关系数分别达到了0.82、0.90和0.91），从而构建高时空分辨率NDVI数据集。所构建的高时空分辨率NDVI数据集在时间上保留了高时间分辨率数据的时间变化趋势，空间上又反映了高空间分辨率数据的空间细节差异。 关键词：NDVI；数据融合；遥感；高时空分辨率；STAVFM 1 引言 植被指数是利用遥感手段监测地面植物状态的一种方法，它利用植物光谱在红光波段的明显吸收带和在近红外波段的较强烈反射带，主要通过红光波段和近红外波段反射率的组合计算来设计并反映植被状态。经过多年的发展，已经形成了归一化植被指数（NDVI）、比值植被指数（RVI）、土壤修正植被指数（SAVI）、垂直植被指数（PVI）、增强植被指数（EVI）等一系列植被指数，其中NDVI是最常用的一个。植被指数被广泛地用来评价植被的生长及分布特征，并已经作为一种有效的遥感指标应用于植被监测、农情监测、土地覆盖变化、荒漠化研究、净初级生产力监测等领域。 然而受技术条件的限制，研究人员在使用植被指数对地表生态系统及其扰动进行描述时不得不在时间与空间分辨率上进行取舍(Hilker et al, 2009)。高空间分辨率的遥感数据通常只覆盖较小的空间范围，导致其重访周期长(Coops et al, 2006)；而高时间分辨率的传感器能以较短的重访周期进行大范围的重复访问，空间分辨率却较低(Holben, 1986; Justice et al, 1985)。Landsat是在植被参数和土地覆盖制图中应用最广泛的多光谱数据获取平台之一(Cohen and Goward, 2004)，Landsat 5和Landsat 7平台上的TM及ETM每景图像能以30m分辨率覆盖185km*185km的空间范围，在土地覆盖及其变化监测中得到了广泛的应用(Wulder et al, 2008)。然而其16天的重访周期限制了其在植被动态监测中的应用(Ranson et al, 2003; Roy et al, 2008)，也给其在植被状态实时监测中的应用带来了困难(Gao, et al, 2006; Pape and Franklin, 2008)，其有效重访数据的获取周期还会因云污染问题而延长(Pape and Franklin, 2008)，这进一步阻碍了该数据在植被动态、实时监测中的应用。MODIS（Moderate Resolution Imaging Spectroradiometer）是NASA于1999年和2002年发射的Terra和Aqua星上的传感器，有36个波段，分别有250m、500m和1km的分辨率，可以实现每天的全球覆盖。MODIS VI产品被设计用来提供一致的、空间分布的、多时相的全球植被状态参数(Justice et al, 1998; Running et al, 1994)，在区域和全球植被动态监测中得到了广泛的应用。然而其250m的最高空间分辨率却不足以反映地表植被状况空间分布中尺度较小的差异。 解决这一问题的方法之一就是将不同传感器上具有不同时空分辨率特征的数据进行融合，生成同时具有高时间和高空间分辨率的遥感数据。围绕这一目标，一些学者开展了类似研究，Hansen使用回归数模型将MODIS 500m分辨率的16天合成地表反照率数据与Landsat数据进行了融合(Hansen et al, 2008)，Roy发展了一种半物理的数据融合方法，该