准确解读多光谱图像的能力在诸多研究领域至关重要，例如地质测绘、植被监测、土地利用分类和灾害响应管理。目前，大量的多光谱图像可供使用，从而能够观测和管理地球表面发生的各种现象和变化。这些图像不仅包含高度精细的视觉信息，还包含光谱成分随时间变化的数据。然而，由于这些图像由不同的传感器采集，因此有时会出现数据不一致的情况，这使得图像解读变得复杂。
“传感器获取的图像具有空间分辨率、光谱分辨率和时间分辨率三个特征。这三个特征之间存在权衡，因此，要获得具有高时空分辨率的图像，需要整合来自不同传感器的信息，”CTB-UPM的研究员、该研究的作者之一Consuelo Gonzalo解释道。“从光谱角度来看，不同传感器之间的差异源于光谱波段的数量和宽度不同，这是整合不同传感器信息时需要考虑的关键因素，以避免融合图像与原始图像相比出现光谱失真。”

融合图像质量显著提升。
为了解决这些问题，研究人员着手处理分析欧洲传感器（主要是 Sentinel-2 和 Sentinel-3）数据时出现的不一致性。
“我们提出了一种方法，将 Sentinel-3 的光谱波段调整到与 Sentinel-2 相同的水平，从而生成整合所有可用信息的新波段。调整后的波段在光谱上与源传感器具有相似光谱特性时记录的波段相似，” 来自 CTB-UPM 的 Ángel García Pedrero 解释道，他也是这项研究的作者之一。
结果表明，直接融合具有不同光谱特性的传感器记录的图像会在融合图像中产生光谱失真。这种失真通常表现为结果图像模糊或颜色表示错误。使用光谱响应函数进行波段调整可以最大限度地减少传感器之间的这些光谱差异。
“我们发现，整合不同窄波段提供的所有光谱信息有助于降低传感器差异对物理属性的影响。结果表明，在复杂且异质的地形中，使用调整后的波段可以显著提高融合结果。融合过程中调整后的光谱波段使图像更接近真实情况，并提高了空间结构的识别精度，例如建筑物或道路，无论地表覆盖的异质性如何，这些结构都能被更准确地识别出来。” 来自CTB-UPM的Meryeme Boumahdi补充道。

对于研究人员而言，这项发表在国际期刊《应用地球观测与遥感专题期刊》（Journal of Selected Topics in Applied Earth Observations and Remote Sensing）上的研究最重要的意义在于，所提出的方法具有提升融合图像光谱质量的巨大潜力，而光谱质量对于识别特定的地表覆盖类型和现象至关重要。
“传感器技术的局限性导致空间分辨率、光谱分辨率和时间分辨率之间存在根本性的权衡。由于这种权衡，现有的卫星图像可能并不总是足以满足研究异质景观中高频变化的所有要求。如果没有良好的光谱质量，分析结果可能会不准确甚至产生误导，因此这项工作至关重要。”他们总结道。

参考文献：M. Boumahdi、A. García-Pedrero、M. Lillo-Saavedra 和 C. Gonzalo-Martin，“利用 Sentinel-2 调整 Sentinel-3 光谱波段以增强时空融合图像的质量”，载于 IEEE 应用地球观测与遥感专题期刊，第 17 卷，第 584-600 页，2024 年，doi：10.1109/JSTARS.2023.3333275。.