| 论文题目： | 基于深度学习的NDVI时空数据融合模型（英文） |
|---|---|
| 第一作者： | 孙梓煜，欧阳熙煌，李浩，王军邦 |
| 联系作者： | |
| 发表年度： | 2024 |
| 摘 要： | 卫星遥感提供了大尺度空间和长时间序列的地球表面变化信息，已广泛应用于生态学研究。人类活动可能对较小尺度的空间产生影响，并可能在较长时间内被检测到，这需要具有较高空间和时间分辨率的遥感数据。时空数据融合算法的发展为这些需求提供了机会。本文基于深度学习，提出了一种残差卷积神经网络（Res-CNN）模型，利用全新的网络架构来融合来自Landsat 8和MODIS图像的NDVI检测结果，从而显著提高融合结果。通过与现有算法的比较，在两个不同地区进行的实验都展示了改进效果。模型性能通过预测值与观测值之间的线性回归进行评估，并通过决定系数（R~2）、回归斜率（Slope），并与两种传统的模型（ESTARFM、FSDAF）进行比较。结果显示，Res-CNN模型预测的NDVI对研究区上具有较高的解释能力（R~2分别为0.773和0.804,slope为1.01和0.989）。该研究证明，本文开发的Res-CNN模型具有较高的精度和较强的稳健性，优于传统模型。这项研究具有广泛的应用意义，因为它不仅提供了一个时空数据融合模型，还可以为区域尺度农业和草地生态系统的管理和利用提供长时间序列的数据。 |
| 英文摘要： | |
| 刊物名称： | Journal of Resources and Ecology |
| 全文链接： | |
| 论文类别： | CSCD |
在线留言
联系我们
所长信箱