1、歸一化植被指數(Normalized Difference Vegetation Index: NDVI)是植被生長狀態(tài)、季節(jié)變化及植被覆蓋度的重要指示因子，能比較直觀地反映植被隨時間變化的生長過程，已被廣泛應用于區(qū)域級和全球的土地覆蓋變化、植被及物候研究中。雖然兼具高空間分辨率與高時間分辨率（高時間序列）的NDVI數據在經過數據重構處理后能更加精確的描述植被等地物的時序變化特征，但由于大氣、云污染等噪聲因素的影響以及傳感器成像系統(tǒng)的限

2、制，高時空分辨率的NDVI數據難以直接獲取，因而如何在現有技術條件下發(fā)展出可用于進行高時空分辨率NDVI數據生成及其重構的技術策略就成為上述應用的關鍵科學問題。
　　作為多源遙感數據融合領域的新興研究熱點，時空融合技術能夠有效地綜合空間維與時間維的光譜變化信息，從而可借助低空間-高時間分辨率的遙感數據來得到兼具高空間和高時間分辨率的多光譜合成數據。本文即以時空融合技術為研究的出發(fā)點，擬通過分析高時空分辨率NDVI數據的生成與重構算

3、法對典型地物光譜特征的預測精度來尋求NDVI數據在應用分析過程中的最佳處理策略。針對上述研究目標，本文的研究內容包括以下三個方面:
　　1)鑒于NDVI數據的區(qū)域性應用特點以及當前基于多數據對的時空融合模型的應用限制，本文以基于單數據對的時空融合策略為技術依據，據此對當前兩種主要的基于反射率的時空融合模型（自適應融合模型與半物理融合模型）進行充分的實驗分析與對比，雖然半物理融合模型對具體波段的預測精度較高，但是STARFM算法對N

4、DVI的預測能力較好;
　　2)對現存的三種較為常用的時間序列數據重構方法（非對稱性高斯函數擬合、雙Logistic函數擬合以及S-G濾波方法）進行深入的實驗分析，從定性和定量角度全面對比上述方法的重構精度，三種數據重構方法均能去掉大部分的噪聲使原始曲線變得平滑，S-G濾波表現的保真性最好;
　　3)以特定實驗研究區(qū)的Landsat TM與MODIS反射率數據為例，通過分析由上述兩種時空融合模型與三種數據重構算法間不同的流程