《表2 场景2时空融合算法量化比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《线性模型的遥感图像时空融合》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体表示最优结果。

场景2的地物在两个日期之间发生了剧烈的土地覆盖类型变化，图8展示了3种算法在土地覆盖类型发生剧烈变化时的预测效果，第2行是第1行红色框内的内容。从图8可以看出，STARFM与FSDAF算法在土地覆盖类型发生变化时都没有取得良好的预测效果。由于STARFM算法将从粗略像素导出的时间变化直接添加到精细图像中，因此在预测结果中出现了明显的模块效应。FSDAF算法虽然引入了t2时刻粗略图像中的空间信息，但在估计预测结果时只使用了t1时刻的光谱分类结果，所以在发生剧烈变化的区域，仍然有比较大的预测误差。本文方法结合了t1和t2时刻的光谱信息，因此能更准确地预测土地覆盖类型发生的变化。表2展示了各算法在场景2预测结果的量化指标，可以看出，本文算法在各个量化指标上都取得了更好的效果。