Повышение точности отслеживания роста растений с помощью методов слияния спутниковых изображений

Исследование, опубликованное в Journal of Remote Sensing, оценило точность двух алгоритмов слияния пространственно-временных данных — STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model) и SSFIT (Simultaneously generate Full-length normalized difference vegetation Index Time series) — в определении дат весенней фенологии на детальном уровне. Эти алгоритмы реконструируют высококачественные временные ряды данных с высоким разрешением для повышения точности обнаружения начала вегетационного сезона (SOS) в неоднородных ландшафтах.

Точный мониторинг сроков фаз роста растительности, известный как фенология земной поверхности (LSP), критически важен для понимания функций экосистем и управления природными ресурсами. Исследование решает ключевые проблемы облачности и редкой съемки с высоким разрешением. Объединяя частые наблюдения MODIS (Moderate Resolution Imaging Spectroradiometer) с детальными, но нерегулярными данными HLS (Harmonized Landsat Sentinel-2) для региона Огден, Юта, ученые создали синтезированные, свободные от облаков изображения, сочетающие высокое разрешение с регулярным интервалом съемки. Алгоритмы показали значительное улучшение точности определения фенологических дат по сравнению с традиционными методами интерполяции, особенно при малом количестве безоблачных снимков Landsat в ключевые периоды роста.

«Наше исследование стремится преодолеть разрыв в мониторинге фенологии, используя сильные стороны как грубых, так и детальных спутниковых изображений с помощью передовых методов слияния данных», — подчеркивает профессор Сяолин Чжу, автор-корреспондент, отмечая необходимость точного определения фенологических стадий для снижения экологических и сельскохозяйственных рисков, связанных с изменчивостью климата.