-
题名温度植被干旱指数时空融合模型对比
被引量：16
- 1
-
-
作者
李超
李雪梅
田亚林
任瑞
-
机构
兰州交通大学测绘与地理信息学院
甘肃省地理国情监测工程实验室
地理国情监测技术应用国家地方联合工程研究中心
-
出处
《遥感技术与应用》
CSCD
北大核心
2020年第4期832-844,共13页
-
基金
国家自然科学基金项目(41761014)
兰州交通大学“百名青年优秀人才培养计划”
兰州交通大学(201806)优秀平台资助。
-
文摘
为实时准确地对新疆农业干旱程度进行反演监测,以新疆焉耆盆地为例,通过运用时空自适应反射率融合模型(Spatio Temporal Adaptive Reflectivity Fusion Model,STARFM)、增强型STARFM(Enhanced STARFM,ESTARFM)模型及灵活的时空数据融合模型(Flexible Spatio Temporal Data Fusion,FSDAF)这3种常见的模型对Landsat 8和MODIS数据进行融合,构建了温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),并采用土壤相对湿度(Relative Soil Moisture,RSM)数据对TVDI反演结果进行了验证。结果表明:①3种数据融合模型所模拟预测的干旱因子(归一化植被指数和地表温度)与真实Landsat 8数据所反演的干旱因子相比,ESTARFM模型模拟预测的干旱因子判定系数(R2)和均方根误差(RMSE)均优于其他两种模型,归一化植被指数(NDVI)的R2和RMSE分别达到了0.924和0.076,地表温度(LST)的R2和RMSE分别达到了0.877和2.799;②3种数据融合模型模拟预测的TVDI通过与真实Landsat 8数据反演的TVDI及RSM数据进行对比验证,发现ESTARFM模型模拟预测的TVDI与上述两种数据之间的R2也均优于其他两种模型,分别达到了0.873和0.248。ESTARFM模型在一定程度上更能准确地模拟预测同时期Landsat 8影像的TVDI分布状况。
-
关键词
Landsat
8-modis
STARFM
ESTARFM
FSDAF
TVDI
-
Keywords
Landsat 8-modis
STARFM
ESTARFM
FSDAF
TVDI
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
