不同时空分的辨率遥感数据融合估算冬小麦叶面积指数.pdf

第28卷 第17期 农业工程学报 、，01．28No．17 oftheChinese of 117 2012年9月Transactions SocietyAgriculturalEngineeringSep．2012 不同时空分辨率遥感数据融合估算冬小麦叶面积指数 王来刚1,2田永超1，朱 艳1，姚 霞1，郑国清2，曹卫星1※ (1．南京农业大学国家信息农业工程技术中心／江苏省信息农业高技术研究重点实验室，南京210095： 2．河南省农业科学院农业经济与信息研究中心，郑州410002) 摘要：高时空分辨率叶面积指数(1eafareaindex，LAI)数据能反映作物的长势动态变化，为作物长势评估和 产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法，以高空间分辨率SPOT-5 数据反演的LAI修正高时间分辨率HJ．CCD数据反演的LAI序列，生成了覆盖冬小麦主要生育期的高空间分辨率 果的影响。结果表明，采用数据融合方法生成的LAI与检验LAI具有较高的一致性，但像元纯度对融合效果影响 可为冬小麦生长监测提供技术支撑。 关键词：遥感，数据融合，时间序列分析，HJ．CCD，SPOT-5，叶面积指数，冬小麦 doi：10．3969，j．issn．1002—6819．2012．17．017 中图分类号：S127 文献标志码：A 文章编号：1002—6819(2012)一17一0117—08 王来刚，田永超，朱艳，等．不同时空分辨率遥感数据融合估算冬小麦叶面积指数[J]．农业工程学报，2012， 28(17)：117—124． a1．Estimationofwinterwheatleafareaindex differentand WangLaigang，TianYongchao，ZhuYan，et byfusing spatial resolutionremote oftheChinese ofAgricultural temporal sensingdata[J】．TransactionsSociety ofthe Chinesewith abstract) CSAE)，2012，28(17)：117—124．(inEnglish 度上信息获取精度的要求。另一种是中高空间分辨 0引言 TM、CBERS 率、低时间分辨率遥感数据，如Landsat 叶面积指数LAI(1eafareaindex)是描述作物 长势最常用的指标…，也是用于作物产量评估的重 时间分辨率很难满足动态、实时跟踪作物生长过程 要参数【2。J。作物生育过程中的LAI序列能更好地的需要。鉴于此，许多学者将不同时空分辨率数据 够反映作物的长势动态变化，可用于作物生长诊断 进行融合，以生成高时空分辨率遥感数据。如蒙继 和提高作物估产精度。因此，如何利用遥感监测技 华等[1 and o】使用时空融合模型(spatialtemporal 术快速得到高质量作物LAI时间序列具有非常重要 indexfusion adaptivevegetation 的意义。 目前，国内外主要利用2类遥感数据进行叶面 时空分辨率的NDVI数据集。Buse