来自于遥感对地观测的归一化植被指数(NDVI)时间序列数据常呈现出一定的年际和季节变化,它随地表覆盖类型的不同而不同,在时间上呈现出与植被生物学特征相关的周期和变化,是植被生长状态及植被覆盖度的最佳指示因子。目前,许多研究者致力于于NDVI时间序列的研究,如利用NDVI时序估计植被生理变化的季节和年际趋势；基于气候、水文、NPP和生物地理化学等一系列模型反演生物物理参数等等,这对于定量化研究生态系统的碳平衡和生物圈的碳处理是非常重要的。目前,基于搭载卫星的传感器AVHRR、SPOT/VEGETATION、MODIS等生成的NDVI时间序列产品是上述研究重要的数据源。然而,这些产品大都空间分辨率很低,不能满足小尺度或异质地表应用研究的需要。　　 环境与灾害监测预报小卫星HJ-1作为中国首颗环境与灾害监测国际合作卫星,其CCD传感器的光谱波段设置基本延续了美国Landsat系列、法国SPOT/HRV及中巴资源卫星CBERS等多光谱数据的光谱范围,能够满足绝大多数业务化遥感应用对光谱信息的需要,且CCD传感器的空间分辨率为30m,足以反映地表变化的细节信息。但是,由于受到不良天气条件影响的原因,在我国南方大部分地区全年都得不到几景质量比较好的数据,无法满足连续时间序列数据研究的要求。　　 为了可以实现在更精细的尺度上描述地表植被在时间序列上的状态和变化,需要既具有较高空间分辨率又具有较高时间分辨率的NDVI数据。一个有效的解决办法就是将具有较高空间分辨率的传感器(如HJ-1 CCD)数据和具有较高时间分辨率的传感器(比如MODIS)数据结合起来。本论文基于以上思想展开了研究,我们将有限景HJ-1 CCD NDVI数据和MODIS NDVI时间序列数据融合生成30m空间分辨率的NDVI时间序列,该数据可在小尺度上定量化地描述地表特性的变化,用于监测物候、土地覆盖等的变化。　　 本论文采用连续校正的方法,首先提取各植被类型的MODIS NDVI多年均值作为背景值,将该背景值与对应植被类型的HJ-1 CCD NDVI观测值结合起来进行分析,生成具有MODIS时间分辨率、HJ-1 CCD空间分辨率的NDVI数据。该数据可以作为时间序列覆盖度模型、陆地生态模型的输入数据。在黑河流域中游实验区等典型区域对该方法进行了实验,并利用地面实测数据对结果进行了验证,对比结果表明该方法可行性高,生成数据精度可靠。在目前没有高时空分辨率的传感器数据满足科学应用的需要的情况下,本研究所提出的连续纠正方法可以将较高空间分辨率和较高时间分辨率传感器数据各自的优势结合起来,生成高时空数据,为其他研究提供很好的数据补充。