高度可扩展的时间自适应反射率融合模型（HISTARFM）数据库
HISTARFM数据库是一个高空间分辨率的月度反射率时间序列，并对云层数据缺口进行修正。该数据集是通过融合陆地卫星和中分辨率成像光谱仪（MODIS）的时间序列，以30米的分辨率创建的。该方法包括使用两个估计器，它们共同作用于消除随机噪声，并使Landsat光谱反射率的偏差最小化。第一个估计器是一个最佳内插器，它使用Landsat历史数据和来自最近的过道的融合MODIS和Landsat反射率生成Landsat反射率估计。融合过程采用了一个像素级的线性回归模型。第二个估计器是一个卡尔曼滤波器，用于纠正第一个估计器产生的反射率中的任何偏差。前言 – 床长人工智能教程HISTARFM提供了改进的反射率值和一个独特而有用的副产品--反射率不确定性，这对现实的误差计算有帮助（例如，计算植被指数或生物物理变量的误差条）。关于HISTARFM算法的更详细解释，请参考Moreno-Martinez等人的2020年手稿。
https://www.sciencedirect.com/science/article/pii/S0034425720302716
Citation¶
Moreno-Martínez, Álvaro, Emma Izquierdo-Verdiguier, Marco P. Maneta, Gustau Camps-Valls, Nathaniel Robinson, Jordi Muñoz-Marí, Fernando Sedano, Nicholas Clinton, and Steven W. Running. "Multispectral high resolution sensor fusion for smoothing and gap-filling in the cloud." Remote Sensing of Environment 247 (2020): 111901.
Earth Engine Snippet¶
不同的版本和研究领域已经是流程：
美国CONUS数据库包含154张作为资产储存的图像。它与第二版相对应，时间覆盖范围从2009年1月到2021年10月。ImageCollection中的每张图片都覆盖了整个美国本土，每张图片都有 "版本"、"月份 "和 "年份 "属性。这些信息也存在于它们的文件名中。例如，名为Gap_Filled_Landsat_CONUS_month_10_2009_v2的图像是2009年10月CONUS地区的图像。CONUS数据库在这个资产中可用，图像在地球引擎中的加载情况如下：
var histarfm_conus = ee.ImageCollection("projects/KalmanGFwork/GFLandsat_V1")
欧洲、东亚主要地区和索马里的数据库目前正在用第5版的算法生成。版本5包含26916张图片。欧洲包含从2013年到2021年的9年，东亚包含从2019年到2021年的3年，索马里包含从2010年到2014年的5年。所有的研究区域都被划分为瓦片，作为云端优化的Geotiffs储存在谷歌云平台上。图像的名称包括月份、年份、具体研究区域和瓦片。举例来说，名为GF_2018_10_EUROPA_1的图像代表了2018年10月在欧洲的第一个瓦片上的图像。数据库的第5版可在此获得，图像可通过以下代码在地球引擎中加载：
var histarfm_ic = ee.ImageCollection("projects/ee-kalman-gap-filled/assets/histarfm_v5")
关于如何与HISTARFM合作的更多信息，以及如何利用HISTARFM数据库改善你的研究和应用的一些例子，请访问这里的教程。
以下论文中使用了HISTARFM数据库
- Martínez-Ferrer, L., et al. "Quantifying uncertainty in high resolution biophysical variable retrieval with machine learning." Remote Sensing of Environment 280 (2022): 113199.
- Salerno, L., et al. "Satellite Analyses Unravel the Multi-Decadal Impact of Dam Management on Tropical Floodplain Vegetation." Frontiers in Environmental Science (2022): 357.
- Kushal, K. C., and Sami Khanal. "Agricultural productivity and water quality tradeoffs of winter cover crops at a landscape scale through the lens of remote sensing." Journal of Environmental Management 330 (2023): 117212.
License¶
The dataset is licensed under a Creative Commons Attribution NonCommercial 4.0 International license.
Curated by: Álvaro Moreno-Martínez, Emma Izquierdo-Verdiguier, Jordi Muñoz-Marí and Nicolas Clinton.
Keywords: MODIS, Landsat, Land reflectance images, gap-filled temporal series, vegetation
Last updated: 06-03-2023
