随着卫星遥感技术在农业领域的应用，人们可以越来越准确地获得种植面积、苗情等多种数据。然而，不同的卫星分辨率、观测周期不同，如何才能提高遥感数据的精确度？近日，一种新的融合算法被研发出来，该算法由中国农业科学院农业资源与农业区划研究所农业遥感团队联合美国农业部水文遥感实验室共同研发。

融合效果对比图（左图为原始Landsat 图像，中图为新算法CRC图像，右图为经典融合算法STARFM图像。）中国农科院供图

中国农科院区化所研究员孙亮介绍，在卫星遥感数据中，有两个重要要素，一个是高时效性，也就是高时间分辨率，另外一个是高清晰度，也就是高空间分辨率。但受到卫星传感器的限制，这两个要素很难在同一卫星上同时具备。更多时候，它们是不同卫星的特征。一类卫星具有高重访周期，如MODIS系列卫星，具备每天观测的能力，但其空间分辨率只有500~1000米。另一类卫星具有较高空间分辨率，但重访周期较长，例如Landsat系列卫星，其空间分辨率为30米，但重访周期则长达16天。

此次，中美科学家联合开发的融合算法，则将这两类卫星数据的优点结合在一起，形成一套同时具备高时间和高空间分辨率的数据，这对农情监测至关重要。

不过，这类算法的基本假设，也导致其应用于农作物种植结构复杂地区时，小地块信息无法被准确获取。遥感数据时空融合算法针对该问题，研究提出了以作物参考曲线为基础的高时空分辨率植被指数重建算法。通过与现有的多种融合算法比较，该算法重建的精度最高，表现最稳定，尤其适用于云雨天气较多时高空间分辨率数据较少情况下的植被指数时间序列重建，未来可进一步应用于精细化农作物长势监测和产量预测研究中。

该研究得到院青年英才引进工程和NASA相关项目资助。相关研究成果在线发表在《环境遥感（Remote Sensing of Environment）》上。