Spatiotemporal image fusion is a potential way to resolve the constraint between the spatial and temporal resolutions of satellite images and has been developed rapidly in recent years. However, two key challenges related to fusion accuracy remain: a) reducing the uncertainty of image fusion caused by sensor differences and b) addressing strong temporal changes. To solve the above two issues, this paper presents the newly proposed Reliable and Adaptive Spatiotemporal Data Fusion (RASDF) method. In RASDF, the effects of four kinds of sensor differences on fusion are analyzed systematically. A reliability index is therefore proposed to describe the spatial distribution of the reliability in input data for image fusion. An optimization strategy based on the spatial distribution of the reliability quantified by the index is developed to improve the robustness of the fusion. In addition, an adaptive global unmixing model and an adaptive local unmixing model are constructed and utilized collaboratively to enhance the ability to retrieve strong temporal changes. The performance and robustness of RASDF were compared with six representative fusion methods for both real and simulated datasets covering both homogeneous and heterogeneous sites. Experimental results indicated that RASDF achieves a better performance and provides a more reliable image fusion solution in terms of reducing the impact of sensor differences on image fusion and retrieving strong temporal changes.

时空图像融合是解决卫星图像时空分辨率约束的一种潜在方法，近年来得到了迅速发展。然而，与融合精度相关的两个关键挑战仍然存在：a) 减少由传感器差异引起的图像融合的不确定性，以及 b) 解决强烈的时间变化。针对以上两个问题，本文提出了新提出的可靠自适应时空数据融合（RASDF）方法。在RASDF中，系统分析了四种传感器差异对融合的影响。因此，提出了一个可靠性指标来描述图像融合输入数据中可靠性的空间分布。开发了一种基于由指标量化的可靠性空间分布的优化策略，以提高融合的鲁棒性。此外，构建并协同使用自适应全局解混模型和自适应局部解混模型，以增强检索强时间变化的能力。RASDF 的性能和稳健性与涵盖同质和异质站点的真实和模拟数据集的六种代表性融合方法进行了比较。实验结果表明，RASDF在减少传感器差异对图像融合的影响和检索强烈的时间变化方面取得了更好的性能并提供了更可靠的图像融合解决方案。构建并协同使用自适应全局解混模型和自适应局部解混模型，以增强检索强时间变化的能力。RASDF 的性能和稳健性与涵盖同质和异质站点的真实和模拟数据集的六种代表性融合方法进行了比较。实验结果表明，RASDF在减少传感器差异对图像融合的影响和检索强烈的时间变化方面取得了更好的性能并提供了更可靠的图像融合解决方案。构建并协同使用自适应全局解混模型和自适应局部解混模型，以增强检索强时间变化的能力。RASDF 的性能和稳健性与涵盖同质和异质站点的真实和模拟数据集的六种代表性融合方法进行了比较。实验结果表明，RASDF在减少传感器差异对图像融合的影响和检索强烈的时间变化方面取得了更好的性能并提供了更可靠的图像融合解决方案。RASDF 的性能和稳健性与涵盖同质和异质站点的真实和模拟数据集的六种代表性融合方法进行了比较。实验结果表明，RASDF在减少传感器差异对图像融合的影响和检索强烈的时间变化方面取得了更好的性能并提供了更可靠的图像融合解决方案。RASDF 的性能和稳健性与涵盖同质和异质站点的真实和模拟数据集的六种代表性融合方法进行了比较。实验结果表明，RASDF在减少传感器差异对图像融合的影响和检索强烈的时间变化方面取得了更好的性能并提供了更可靠的图像融合解决方案。