中文摘要：

本项目以时序性MODIS数据与TM数据的融合为例，借鉴数据同化的方法，针对目前的遥感数据时空融合方法的一些不足之处，提出基于像元级反射率变差识别与模拟的遥感影像时空维融合方法。该方法在选择分解端元的过程中抛弃了目前常用的基于地物属性的分类而采用基于像元类别与反射率变化的分类方法，综合考虑了像元级的类别变化与反射率变化，得到了更为细致合理的端元分类；该模拟方法还使用了一种新的基于类别与距离双加权的光谱混合模型，充分考虑了同类别像元间的反射率相似性和临近像元效应。针对该时空融合方法的实际应用前景，本项目设计了模拟后的时序性TM反射率数据在驱动NPP模型中的应用；同时，计划尝试该方法在风云3号卫星与环境减灾小卫星数据时空融合方面的应用，以进一步拓展环境减灾小卫星数据的应用范围。

结论摘要：

项目提出基于像元级别变差识别与模拟的遥感影像时空维融合方法，并使用该方法对时序性MODIS数据与非时序性但具有更高空间分辨率的TM数据进行时空融合，从而模拟得到时序性的模拟TM数据。为检验模拟结果的可用性，利用模拟数据进行实验区GPP估算。通过在多个实验区的模型试验，取得如下成果第一完成了基于像元反射率变差分析时空融合模型建模建模与试验；重点解决了时空融合模型中像元内部变化差异及邻近效应问题。相关成果发表在《Journal of Applied Remote Sensing》，2012、《红外与毫米波学报》，2012上。第二开展了多源遥感数据自动配准方法研究；通过对图像处理领域SIFT算子的多步骤改进，形成了一整套具有较高鲁棒性的多源遥感影像自动配准方法，为大规模生产时空融合数据奠定了基础。相关成果发表在《International Journal of Remote Sensing》，2012。第三利用国产HJ星数据，结合MODIS数据构建了实验区高时间分辨率时空融合数据集（以环境星为主）。第四针对时空融合模型的模拟数据的有效性开展了多方面的应用。应用时空融合模型数据构建了实验区国产高分辨率GPP时间序列（环境星），与通量站点观测结果及MODIS时序GPP产品对比证明其有效性。针对该融合数据在农作物遥感方面的应用，对不同作物类型真实反射率与融合影像反射率作相关性分析，分析了遥感数据时空融合技术在新疆农作物监测中的适用性。相关成果发表在《遥感技术与应用》、《农业工程学报》等杂志。为今后农作物遥感数据的选择方面提供了更多的支持。