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创新团队的陆苗、吴文斌等研究人员，在地表覆盖变化检测研究中，提出了面向对象的时空植被指数分解模型(OB-STVIUM)，有效提高了地表覆盖变化信息提取的精准度。相关文章《基于Landsat和MODIS数据融合的地表覆盖变化检测》已发表在国际遥感期刊中影响因子最高的《环境遥感(Remote Sensing of Environment)》（影响因子5.881）上。
地表覆盖变化信息是全球变化研究的基础数据，研制快速、精准的地表覆盖变化检测方法一直是土地资源遥感领域的前沿研究方向之一。为减少卫星影像季相差异带来的“伪变化”，时间序列植被指数（NDVI）常常应用于地表覆盖变化检测。国内外很多学者研制了多源数据融合算法，用以生产服务于地表覆盖变化检测的高时空分辨率的时间序列NDVI数据。但这些算法受影像几何配准影响大，容易出现明显的“椒盐”现象。针对该问题，农业土地系统研究小组提出OB-STVIUM，基于陆地卫星（Landsat）和中分辨率成像光谱仪（MODIS）数据生成高时空分辨率植被指数（NDVI）时间序列数据，利用NDVI斜率差异(NDVI Gradient Difference, NDVI-GD)来进行变化检测。
该方法和传统的数据融合模型相比，不依赖于陆地卫星数据的获取时间和输入数量，同时能够减低像素级信息融合过程中椒盐效应和几何配准误差的影响，更适用于变化检测的研究应用。实验表明，该方法能够有效解决变化检测中的“伪变化”问题，提高地表覆盖变化信息提取的精准度。
近年来，在国家973计划和国家自然科学基金等项目资助下，该研究团队在农业土地系统时空变化过程和规律研究方面取得了引人注目的系列研究成果。相关成果先后发表于国际知名刊物《环境科学与技术》《全球变化生态学》和《全球生态与生物地理学》等杂志。 (通讯员 张莉)
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。