基于RGBN条件先验的支撑域感知逆分配框架：亚米级卫星数据与Sentinel-2 SWIR影像融合的地表制图方法

《Remote Sensing》：Support-Aware Dual-SWIR Downscaling from Sentinel-2 and Submetre Jilin-1 Imagery on Non-Nested Grids

　　细尺度短波红外（SWIR）影像能够支持详细的地表制图，但亚米级卫星通常仅获取蓝、绿、红和近红外（RGBN）波段。将这些数据与Sentinel-2的SWIR数据结合，需要一种能够处理非嵌套像元支撑域的观测模型。我们开发了一种基于RGBN条件先验的支撑域感知逆分配框架，利用精确的多边形重叠权重和连续校正场。该框架在中国新疆的四个区域进行了评估，以保留的20米B11/B12观测值作为参考。在严格匹配的控制实验中，将中心归属替换为精确面积重叠后，平均联合均方根误差（RMSE）减少了0.00174–0.00217个反射率单位。该减少幅度在所有15个非嵌套相位以及各区域的16个空间区块中均有出现。连续校正进一步提供了0.000066–0.000166的误差降低。在匹配的单观测预算条件下，该方法在全部四个区域中的平均联合RMSE均低于经过适配的面积到点回归克里金法和DSen2基线方法。精确面积重叠在受控模糊、±10米引导影像偏移以及2、3和6的尺度比条件下仍保持其优势，尽管在最粗尺度比下优势有所缩小。将方法应用于0.75米吉林-1号RGBN和20米Sentinel-2 SWIR的全场景处理，产生了与观测一致的SWIR条件分配结果，其精度在受控的20米参考分辨率下进行评估。