摘要：高时空分辨率叶面积指数（leaf area index,LAI）数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CCD数据反演的LAI序列,生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明,采用数据融合方法生成的LAI与检验LAI具有较高的一致性,但像元纯度对融合效果影响较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。

关键词：遥感 数据融合 时间序列分析 叶面积指数 冬小麦 

单位：南京农业大学国家信息农业工程技术中心/江苏省信息农业高技术研究重点实验室; 南京210095; 河南省农业科学院农业经济与信息研究中心; 郑州410002