Reconstruction of High-Temporal- and High-Spatial-Resolution Reflectance Datasets Using Difference Construction and Bayesian Unmixing
Reconstruction of High-Temporal- and High-Spatial-Resolution Reflectance Datasets Using Difference Construction and Bayesian Unmixing
复制标题
使用差异构造和贝叶斯分解重建高时空分辨率反射率数据集
DOI：
10.3390/rs12233952
复制
发表时间：
2020-12
期刊：
影响因子：
5
通讯作者：
Jing Wang
中科院分区：
文献类型：
--
作者：
Lei Yang;Jinling Song;Lijuan Han;Xin Wang;Jing Wang
高时间和高空间分辨率的反射率数据集在监测地球表面的动态变化方面发挥着至关重要的作用。到目前为止，许多传感器都是在条带宽度和像素大小之间进行权衡设计的，因此很难从单个传感器获得高空间分辨率和频繁覆盖的反射率数据。在这项研究中，我们提出了一种新的反射比贝叶斯时空融合模型(Ref-BSFM)，该模型利用Landsat和MODIS(中分辨率成像光谱仪)的地表反射率来构建高时空分辨率和长时间序列的反射率数据集。通过与其他流行的重建方法(柔性时空数据融合模型、时空自适应反射融合模型和增强时空自适应反射融合模型)的比较，我们证明了该方法具有以下优点：(1)更高的预测精度，(2)有效地处理云覆盖，(3)对数据采集的时间跨度不敏感，(4)捕捉时间变化信息，(5)更高的空间细节和不明显的MODIS斑块。Ref-BSFM生成的反射率时间序列数据集可用于计算各种基于遥感的植被指数，为陆面动态监测提供了重要的数据源。
High-temporal- and high-spatial-resolution reflectance datasets play a vital role in monitoring dynamic changes at the Earth’s land surface. So far, many sensors have been designed with a trade-off between swath width and pixel size; thus, it is difficult to obtain reflectance data with both high spatial resolution and frequent coverage from a single sensor. In this study, we propose a new Reflectance Bayesian Spatiotemporal Fusion Model (Ref-BSFM) using Landsat and MODIS (Moderate Resolution Imaging Spectroradiometer) surface reflectance, which is then used to construct reflectance datasets with high spatiotemporal resolution and a long time series. By comparing this model with other popular reconstruction methods (the Flexible Spatiotemporal Data Fusion Model, the Spatial and Temporal Adaptive Reflectance Fusion Model, and the Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model), we demonstrate that our approach has the following advantages: (1) higher prediction accuracy, (2) effective treatment of cloud coverage, (3) insensitivity to the time span of data acquisition, (4) capture of temporal change information, and (5) higher retention of spatial details and inconspicuous MODIS patches. Reflectance time-series datasets generated by Ref-BSFM can be used to calculate a variety of remote-sensing-based vegetation indices, providing an important data source for land surface dynamic monitoring.
登录
查看更多内容
DOI：
10.3390/rs11030324
发表时间：
2019-02
期刊：
Remote. Sens.
影响因子：
--
作者：
Jie Xue;Y. Leung;T. Fung
通讯作者：
Jie Xue;Y. Leung;T. Fung
影响因子：
13.5
作者：
Hilker, Thomas;Wulder, Michael A.;White, Joanne C.
通讯作者：
White, Joanne C.
影响因子：
13.5
作者：
Yunan Luo;K. Guan;Jian Peng
通讯作者：
Yunan Luo;K. Guan;Jian Peng
DOI：
10.1109/36.763276
发表时间：
1999-05
期刊：
IEEE Trans. Geosci. Remote. Sens.
影响因子：
--
作者：
B. Zhukov;D. Oertel;F. Lanzl;G. Reinhäckel
通讯作者：
B. Zhukov;D. Oertel;F. Lanzl;G. Reinhäckel
基于增强时空自适应反射率融合模型的改进图像融合方法
影响因子：
5
作者：
Fu, Dongjie;Chen, Baozhang;Hilker, Thomas
通讯作者：
Hilker, Thomas