将具有不同空间分辨率和时间分辨率的多源组合起来以产生高时空分辨率归一化植被指数（NDVI）时间序列数据集具有重要意义。 在这项研究中，分析和比较了四个时空融合模型。 这些模型包括时空自适应反射率模型（STARFM），增强型时空自适应反射率融合模型（ESTARFM），灵活的时空数据融合模型（FSDAF）和时空植被指数图像融合模型（STVIFM）。 目的是：1）使用重庆市巴南区的Landsat-MODIS NDVI图像比较四种融合模型； 2）定量和直观地分析预测准确性。 结果表明，STVIFM将更适合于生成NDVI时间序列数据集。

c-时空RBF进行Mackey-Glass时序预测代码

智慧城市时空大数据与云平台联合解决方案--0111，2021智慧城市时空大数据平台解决方案标准规范指南GIS影像地图

智慧城市时空大数据与云平台联合解决方案，2021智慧城市时空大数据平台解决方案标准规范指南GIS影像地图

手机信令人口大数据时空应用架构与实践.赵华.宁波2019722，2021智慧城市时空大数据平台解决方案标准规范指南GIS影像地图

宁波时空信息云平台建设情况汇报，2021智慧城市时空大数据平台解决方案标准规范指南GIS影像地图

面向移动时空轨迹数据的频繁闭合模式挖掘

随机采样移动轨迹时空热点区域发现及模式挖掘

自然资源三维立体时空数据库建设总体方案

随着科技的不断进步，人们对移动对象的实时位置的获取越来越便捷。这些 移动对象在一段时间内的实时位置就构成了该对象的一条时空轨迹。技术的 进步和设备的不断小型化使得定位设备的应用越来越普遍。因此，在人们的各种 生产活动中产生的时空轨迹也越来越多，呈爆炸性趋势。从这些海量的轨迹数据 中挖掘出有用信息非人力所能及。聚类算法作为数据挖掘领域的一种重要方法， 越来越多的被研究人员应用到时空轨迹数据的挖掘中。