卫星遥感连续记录了地表的显著变化信息，成为当前获取地表覆盖时空变化的最有效手段。遥感影像时空融合通过联合高空间/低时间分辨率遥感影像与低空间/高时间分辨率遥感影像，预测同时具有高空间/高时间分辨率的遥感反射率影像，是解决遥感影像时空分辨率矛盾以及监测高时空分辨率地表覆盖动态变化的主要途径。遥感影像时空融合在植被监测等领域取得了显著进展，然而当前研究未能有效考虑地物类别变化信息对遥感影像反射率的影响，造成针对洪水、森林砍伐等地物类别变化场景下的时空融合效果不佳。在遥感影像时空融合中，如何提取不同时空尺度的地物类别变化信息，定量分析地物类别变化与遥感反射率变化的影响关系，已经成为当前研究的一个关键难题。

为了回答上述问题，在中国科学院青年创新促进会、湖北省省杰青项目以及国家自然科学基金等项目的支持下，中国科学院精密测量科学与技术创新研究院青促会会员李晓冬副研究员、凌峰研究员等，与英国诺丁汉大学地理学院以及中国科学院地理科学与资源研究所合作，提出了基于地物类别变化的遥感影像时空融合模型SFSDAF。

研究团队针对500米空间分辨率/每天频率的MODIS影像和30米空间分辨率/16天频率的Landsat影像的时空融合问题，通过提取亚像元尺度地物类别信息，结合光谱分解、降尺度转换等方法，获取高时空分辨率的地物类别变化信息，并以此为基础构建了时空融合模型SFSDAF，获取30米空间分辨率/每天频率的遥感影像，并针对农田长势监测(图1)与洪水监测（图2）等高时空异质性场景进行试验。研究发现：（1）在时空融合中，提取与应用地物类别变化信息，可以提高遥感影像时空融合的精度；（2）相比于STARFM等时空融合模型，新的时空融合模型降低了融合结果的均方根误差，增强了融合影像的空间细节信息；（3）新方法改善了地物变化场景下的时空融合效果，进一步推进了遥感影像时空融合的应用。

SFSDAF遥感影像时空融合通过联合不同时空分辨率遥感影像，获取同时具有高空间/高时间分辨率遥感影像，提高了地物变化场景的时空融合精度，为推进地表覆盖动态监测提供了依据。上述研究成果以SFSDAF: an enhanced FSDAF that incorporates sub-pixel class fraction change information for spatio-temporal image fusion为题，于2020年2月在线发表于国际学术期刊Remote Sensing of Environment（https://doi.org/10.1016/j.rse.2019.111537），并提供了开源代码SFSDAF v1.0（https://www.researchgate.net/publication/337656947_SFSDAF_v10）。