《表2 基于Landsat-like和MODIS时序NDVI峰值法提取的2010年冬季作物种植区结果在不同空间尺度上的重合率对比》

  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

《利用STARFM模型提高复杂地表下复种指数遥感提取精度》

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：a列表示对比验证参考数据，基于某方法提取的不同类别像元的重合率。如“种植-种植”和“种植-休耕”表示在参考影像上的种植区域内，基于某方法判定结果则分别为“种植”像元、“休耕”像元。余同。总体重合率表示基于某方法判定正确的所有像元（含种植与休耕）所占的比例。

对比2种峰值法提取结果，基于Landsat-like时序NDVI峰值法的总体重合率在各个空间尺度上均高于基于MODIS时序NDVI峰值法（表2）。这与2种数据集之间的空间尺度不确定性有关[23]。由于四川丘陵地区的地表异常复杂，MODIS数据的空间分辨率较低，在该区域内存在严重的混合像元问题，难以获取高精度的种植信息。通过数据融合算法，将MODIS时序NDVI数据的空间分辨率提高，能够获取更精细的作物种植分布信息（图6），从而提高了提取精度。另外，前者对于种植像元的判定精度要低于后者；而前者对于休耕像元的判定精度却明显高于后者。MODIS数据较低的空间分辨率降低了像元内的空间异质性，也使得时间序列NDVI的波峰形态更趋于“平均”：对于作物种植的像元，其时序NDVI波峰将趋于“平坦”。这就导致基于其判定为“有作物种植”的结果更为可靠。而对于无作物种植的像元，其时序NDVI波峰将被“抬升”。这就导致基于其判定为“无作物种植”的结果较为不可靠。