湿地水体水质信息的提取是研究湿地结构功能和科学保护利用湿地的基础性工作,GF-1数据因具有高空间分辨率及多光谱特性,已经在多领域逐步开展广泛应用。但是GF-1时间分辨率有限及云的影响导致实际可用的数据较少,限制了有关时序分析的应用,而MODIS数据的高时间分辨率更适用于时序分析,但MODIS数据的空间分辨率低,更适于大尺度范围研究。本课题源于中国林业科学研究院承担的国家科技重大专项课题高分湿地资源监测应用示范子系统。基于GF-1与MODIS数据的时空信息重构方法,将GF-1数据的高空间分辨率与MODIS数据的高时间分辨率经有效地融合获取同时具备两种特征的信息,以满足高空间分辨率的时序变化分析值得研究。本文采用STDFA模型(Spatial and Temporal Data Fusion Model, STDFA)探讨了在GF-1数据缺失时的高空间分辨率数据的重构方法,STDFA模型是从时序MODIS数据中提取地物的时间变化信息,结合GF-1影像的纹理信息,重构出具有MODIS时间分辨率和GF-1空间分辨率的影像,以弥补GF-1影像在研究期间的缺失信息；同时使用重构的高时空分辨率数据对水体信息和水质信息进行多时相变化检测,主要研究内容与研究结果如下：(1)当GF-1影像缺失时,基于GF-1的高空间分辨率和MODIS数据的高时间分辨率,重构16m分辨率的NDWI数据。对GF-1数据采用邻域分析获取16*16像元窗口构建丰度图,对MODIS数据采用混合像元分解获取丰度图,建立二者关系模型以提高MODIS丰度图精度。丰度数据引入STDFA模型中用于重构MODIS数据。与GF-1提取的水体数据进行对比,重构后的数据提取水体信息的精度为79.8%,为后续多时相变化检测提供了高空间分辨率数据。(2)建立GF-1数据对东洞庭湖悬浮物浓度的反演模型：选取2014年5月1日的GF-1数据,分析GF-1数据各波段和波段组合与湖区子区域悬浮物浓度的相关系数,根据水质采样的实测悬浮物浓度建立线性模型、指数模型和对数模型反演悬浮物浓度,通过比较拟合结果,指数模型的反演精度最高,R2=0.789。(3)建立MODIS NDVI与蓝藻水华丰度关系模型,利用模型提取蓝藻水华覆盖度：由于MODIS分辨率较低,以分辨率较高的GF-1提取的水华信息为基础,建立蓝藻水华像元丰度与MODIS NDVI关系的蓝藻水华信息提取模型,利用该模型可提取蓝藻水华像元丰度(即蓝藻水华覆盖率),其与GF-1提取蓝藻水华面积偏差为15.49%。从而提高MODIS数据的蓝藻水华信息提取精度,获得蓝藻水华变化期间多时相的高精度面积。(4)湖泊水体水质信息变化检测并进行动态分析：运用重构的高时空分辨率遥感数据,采用轨迹分析、时间序列分析等方法,进行湿地水体水质变化检测。与历史水位数据推算的水体面积变化趋势对比,重构水体面积的变化基本趋于-致。蓝藻水华面积变化曲线与GF-1提取的变化面积拟合度较高。从悬浮物平均浓度的时空动态来看,丰水期变化最大。