《表2 场景2时空融合算法量化比较》
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。
图表编号 | XD00143039900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 方帅、姚振稷、曹风云 |
绘制单位 | 合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室、合肥工业大学计算机与信息学院、合肥师范学院计算机学院 |
更多格式 | 高清、无水印(增值服务) |