第３５卷，第２期自然资源遥感Ｖｏｌ．３５，Ｎｏ．２２０２３年６月ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＮＡＴＵＲＡＬＲＥＳＯＵＲＣＥＳＪｕｎ．，２０２３ｄｏｉ：１０．６０４６／ｚｒｚｙｙｇ．２０２２０９５引用格式：安娜，赵莹莹，孙娅琴，等．基于奇异谱分析的改进遥感图像时空融合模型［Ｊ］．自然资源遥感，２０２３，３５（２）：８９－９６．（ＡｎＮ，ＺｈａｏＹＹ，ＳｕｎＹＱ，ｅｔａｌ．Ａｎｉｍｐｒｏｖｅｄｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｆｕｓｉｏｎｍｏｄｅｌｆｏｒｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｂａｓｅｄｏｎｓｉｎｇｕｌａｒｓｐｅｃｔｒｕｍａ⁃ｎａｌｙｓｉｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｆｏｒＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓ，２０２３，３５（２）：８９－９６．）基于奇异谱分析的改进遥感时空融合模型安娜１，赵莹莹２，孙娅琴１，张爱竹３，付航３，姚延娟４，孙根云３，５（１．中国自然资源航空物探遥感中心，北京１０００８３；２．长沙市规划勘测设计研究院，长沙４１０００７；３．中国石油大学（华东）海洋与空间信息学院，青岛２６６５８０；４．环境保护部卫星环境应用中心，北京１０００９４；５．青岛海洋国家实验室海洋矿产资源评价与探测技术功能实验室，青岛２６６２３７）摘要：时空融合能够生成具有足够时间和空间分辨率的图像序列。然而，当前的研究趋向于使用尽可能多的时相数据、复杂的非线性模型来提高预测的准确性，极少的研究将重点放在图像本身的分析，即充分利用影像包含的如趋势和纹理等内在特征。为此，文章基于二维奇异谱分析（２Ｄｓｉｎｇｕｌａｒｓｐｅｃｔｒｕｍａｎａｌｙｓｉｓ，２ＤＳＳＡ）技术，提出了一种２ＤＳＳＡ时空融合模型（２ＤＳＳＡｓｐａｔｉａｌ－ｔｅｍｐｏｒａｌｆｕｓｉｏｎｍｏｄｅｌ，２ＤＳＳＡ－ＳＴＦＭ），通过将已有影像分解为趋势分量和细节分量，分别对目标时刻影像的主要空间趋势和空间细节进行预测。首先，建立高空间分辨率数据趋势项与低空间分辨率数据的线性关系，计算得到目标时刻影像的趋势成分；然后，建立２个时相下低分辨率细节分量和高分辨率细节分量的线性关系，得到目标时刻影像的细节成分；最后，将计算得到的趋势和细节成分进行合成，即为目标预测影像。在２组中分辨率Ｌａｎｄｓａｔ７ＥＴＭ＋和ＭＯＤＩＳ影像上对提出的２ＤＳＳＡ－ＳＴＦＭ进行了实验，结果表明，提出的模型在实验误差方面要优于传统的时空融...
