之前和一位搞农业的同事交流的时候，谈到现在大家做分析都用哨兵二号这样的资源，但是可视效果就不太好。
我设计了一个将高分数据的高空间分辨率（0.8米～2米）和哨兵二号的高时频（5天甚至更短）高精度（辐射校正很准）相结合的时序产品。
初步试验如下，找两个时间错开一些天（20191208和20191228）的哨兵二号数据。
哨兵2号10米
可以看出哨兵辐射值非常稳定，可以准确识别出变化的区域。
然后再找到12月9日的一个高分二号图像
高分二号1米
这张图像没有经过辐射校正，颜色明显不正常。高分卫星即使通过相关机构公布的参数校正，辐射也是离真实情况很远的。但是不要怕，有哨兵二号来做标兵。
将上面的两幅哨兵数据和高分数据融合，形成1米分辨率的时序产品。
融合时序产品1米
可以看到这个新产品，既保持了高分的分辨率，又保持了哨兵的辐射值。
这是像素刻刀软件PixelKnife中PAN和MS的融合的一个变种，就是将高分辨率HRMS和不同时间的低分辨率LRMS的融合。这里分辨率差别10倍也是可以的。
之前也有LANDSAT和MODIS的融合的论文，我想思路应该差不多（但是算法应该不一样，我应该看过那个论文但是具体怎么做没印象了）。
这个做法的要点是假设了纹理变化是相对较小的，这假设也许在城市区域不成立，但是在农地、林地这些区域比较合理，农林地块变化较快的是植被的颜色。因此这种数据应该还是比较适合农林病虫害分析等业务。
网友评论