3种时空融合算法在洪水监测中的适用性研究

基金项目:
中国科学院战略性先导科技专项资助项目"泛第三极环境变化与绿色丝绸之路建设子课题"

国家自然科学基金面上项目"不同地貌类型区的遥感图像信息容量的差异性研究"

详细信息

刊出日期: 2020-06-15

Analysis of the applicability of three remote sensing spatiotemporal fusion algorithms in flood monitoring

Publish Date: 15 June 2020

摘要: 洪水灾害的遥感监测依赖于高时空分辨率影像,但目前中高空间分辨率的遥感影像受卫星回访周期及天气的影响,限制了在洪水监测中的应用.为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来监测洪水灾害.以Gwydir和New Orleans 2地区为研究区,利用时空自适应反射率融合模型(spatial and temporal adaptive reflec-tance fusion model,STARFM)、时空反射率解混模型(spatial and temporal reflectance unmixing model,STRUM)和灵活的时空融合模型(flexible spatiotemporal data fusion,FSDAF)3种流行算法融合MODIS和Landsat影像,获得Landsat融合影像,采用支持向量机(support vector machine,SVM)对融合影像分类来提取洪水信息,并对其结果进行精度评估.实验结果表明,3种时空融合算法能够有效应用到洪水监测中,且FSDAF算法融合结果在2个研究区都优于STARFM和STRUM.在Gwydir研究区,STARFM,STRUM和FSDAF 3种算法洪水分类总体精度分别为0.89,0.90和0.91,Kappa系数分别为0.63,0.64和0.67;在New Orleans研究区,3种融合算法洪水分类精度为0.90,0.89和0.91,Kappa系数分别为0.77,0.76和0.81.此研究表明时空融合算法能够有效应用到洪水监测中.
- 时空融合 /
- 洪水监测 /
- 高时空分辨率 /
- STARFM模型 /
- STRUM模型 /
- FSDAF模型

中国自然资源航空物探遥感中心	主办
地质出版社	出版