文献类型： 中文期刊

作者： 王来刚 ¹ ; 田永超 ¹ ; 朱艳 ¹ ; 姚霞 ¹ ; 郑国清 ² ; 曹卫星 ¹ ;

作者机构： 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

2.河南省农业科学院农业经济与信息研究中心

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

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2012 年 28 卷 17 期

页码： 117-124

收录情况： EI ; 北大核心 ; CSCD

摘要： 高时空分辨率叶面积指数(leaf area index,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LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。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较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。