（1） 研究意义。

太湖是我国第三大淡水湖泊，位于长江三角洲南翼坦荡的太湖平原上，介于30#176;55′40″-31#176;32′58″N，119#176;52′32″-120#176;36′10″E之间。水生植被具有净化水质、保护环境等生态功能，是太湖生态系统演化和平衡的重要调控者，对陆域水体的物理和化学环境具有显著改善作用。但太湖流域经济快速发展和湖泊资源高强度利用，湖泊藻型富营养化严重，造成水质急剧恶化，除东太湖及局部区域有少量分布外，湖区内水生高等植被几乎绝迹，”水下森林”现象逐步消失。同时由于湖泊渔业结构的调整，使得浅水草型湖泊植物群落结构发生改变，沼生植物比例不断增加，湖泊沼泽化现象也有所加剧。为此，利用卫星遥感技术监测水生植被分布现状及其空间变化，成为保护水生植被资源的重要手段。

遥感数据时空融合技术是一种低空间分辨率影像与中空间分辨率影像在时间域和空间域的融合技术，利用遥感数据时空融合技术获得的融合影像既具备低空间分辨率影像的高时间分辨率特征，又具备中空间分辨率影像的高空间分辨率特征，可以满足湖泊水生植物快速变化信息监测的要求。

（2）研究背景和发展脉络。

近些年，国内外学者提出了几种高时间分辨率数据和高空间分辨率数据的融合方法，构建高时空分辨率遥感数据应用于不同方面的研究工作。这些方法大部分是基于线性模型分解粗分辨率混合像元。在考虑像元反射率受环境影响时，不同学者改进了线性分解模型，提出相应的融合模型。Maselli(2001) 提出了一种基于像元反射率在一定邻域范围内不会发生剧烈的变化的线性分解模型，研究集成高低时间分辨率的NDVI 数据用于监测植被; Gao 等人(2006) 不仅考虑到像元间的距离和光谱差异，还考虑了像元时间上的差异，提出了一种自适应遥感图像融合模型STARFM(Spatial And Temporal Adaptive Reflectance Fusion Model) 用于破碎地块地表覆盖类型的识别; Hilker 等人(2009)提出了一种提取反射率变化的时空自适应融合算法STAARCH(spatial temporal adaptive algorithm for mapping reflectance change) 用于监测森林覆盖的研究; Walker等人(2012) 利用MODIS 与Landsat 的融合数据用于干旱区森林物候的分析研究; 以上几种时空融合方法得到的反射率要么是整景影像内地物类别的平均反射率要么是局部窗口内的地物类别平均反射率，并没有得到高分辨率像元的地表真实反射率。而Wu等人(2012)提出了一种新的遥感数据时空融合方法(STDFA)。该方法从时序MODIS 数据中提取地物的时间变化信息，结合早期Landsat-TM 影像的纹理信息，融合出具有MODIS 时间分辨率和TM 空间分辨率的影像。将太湖地区的Lansat影像与MODIS影像相结合，可以提取出具有高时空分辨率的水生植物信息。

（3）总结

时空融合可以解决特定时间点缺少遥感影像或由于云层遮挡等原因造成的遥感成像质量不佳，使水生植物提取分析在一个连续性的时间段内进行，有助于掌握水生植物的生长状态，生长曲线以及生长趋势，也可对未来某一有限时间段内的水生植物分布状态进行预测。

（4）参考文献

[1]Bindhu V.M.，Narasimhan B. Development of a spatio-temporal disaggregation method (DisNDVI) for generating a time series of fine resolution NDVI images. ISPRS J PHOTOGRAMM，2015，101: 57-68.

[2]Dontilde;a C.，Chang N.，Caselles V. 等. Integrated satellite data fusion and mining for monitoring lake water quality status of the Albufera de Valencia in Spain. J ENVIRON MANAGE，2015，151: 416-426.