近日，中国农业科学院农业资源与农业区划研究所农业遥感团队在遥感数据时空融合算法研究方面取得了重要进展。相关研究成果《Reconstructing daily 30 m NDVI over complex agricultural landscapes using a crop reference curve approach》发表在遥感领域顶级期刊《Remote Sensing of Environment》(IF=9.085)上。

　　卫星遥感数据获取的高时效性(高时间分辨率)和高清晰度(高空间分辨率)是农作物遥感监测中最重要的两个要素。但受到卫星传感器的限制，这两个要素在同一颗卫星上很难同时具备。一类卫星具有高重访周期，如MODIS系列卫星具备每天观测的能力，但其空间分辨率只有500-1000m;另一类卫星具有较高空间分辨率，但重访周期较长，例如Landsat系列卫星，其空间分辨率为30m，重访周期则为16天。遥感数据时空融合算法是指将这两类卫星数据的优点结合在一起，形成一套同时具备高时间和高空间分辨率的数据，这对农情监测至关重要，但这类算法的基本假设导致其应用于农作物种植结构复杂地区时，小地块信息无法被准确获取。针对该问题，本研究提出了以作物参考曲线(Crop Reference Curves)为基础的高时空分辨率植被指数重建算法CRC。通过与现有的多种融合算法比较，该算法重建的精度最高，表现最稳定，尤其适用于高空间分辨率数据较少情况下(如云雨天气较多时)的植被指数时间序列重建，未来可进一步应用于精细化农作物长势监测和产量预测研究中。

　　孙亮研究员为论文第一作者，合作单位为美国农业部水文遥感实验室。该研究得到院青年英才引进工程和NASA相关项目的资助。

　　三种算法模型在不同输入影像数时的时间序列NDVI重建曲线对比图