利用STARFM模型提高复杂地表下复种指数遥感提取精度

复种指数是表征耕地利用程度的重要参数。然而，传统方法存在对影像获取条件要求较高，或在地表复杂区域提取精度较低等问题。高时空分辨率数据融合算法（如Spatial and Temporal Adaptive Reflectance Fusion Model, STARFM）能有效地结合不同数据的优势，有望被应用于提高复杂地表区域复种指数的提取精度。该研究以Landsat TM（Thematic Mapper）及MODIS（Moderate-resolution Imaging Spectroradiometer）为数据源，基于STARFM模型，构建了川东丘陵某区域内2010－2011年的Landsat-like 时序NDVI（Normalized Difference Vegetation Index）数据集，进而提取了该区域2010年冬季作物种植区及盐亭县2011年耕地复种指数的空间分布情况。利用目视解译样点（1509个）验证及多尺度（30～4 000 m）验证方法，对不同方法提取的2010年冬季作物种植区进行了对比分析。结果表明：1）在30m空间尺度上，基于Landsat影像分类法的总体验证精度为89.73%，高于基于Landsat-like时序NDVI峰值法的54.94%；2）在250～4 000 m空间尺度上，基于Landsat-like时序NDVI峰值法的总体验证精度比基于MODIS时序NDVI峰值法高3%～7%。利用统计年鉴及调查样点（73个）数据，对基于新方法提取的盐亭县2011年耕地复种指数结果进行了验证，在县域尺度上其与统计数据非常接近；其与调查样点的总体验证精度达到73.97%。综上，基于数据融合算法提高数据源空间分辨率的方式，不仅能够提高复杂地表复种指数结果的空间精细程度和提取精度，而且在实际应用中也有很好的实用性。