1.基于双层交叉注意力机制的Landsat‑MODIS遥感影像时空融合方法，其特征在于：至少包括以下步骤：S1：从多个数据源收集卫星遥感数据，所述卫星遥感数据至少包括Landsat地表反射率数据、MOD09GA地表反射率数据和MOD09GQ地表反射率数据；

S2：对S1所获得的数据预处理，采用最邻近插值方法将所有遥感图像重新采样至30米；

选择Landsat作为参考，确保影像大小完全相同；此外，选择MOD09GQ的红光和近红外波段与MOD09GA进行重新匹配波段序列，以增强融合结果的空间细节；

S3：构建DCAF模型，所述DCAF模型由特征提取模块、差分加权模块和特征增强模块组成；

所述特征提取模块包括多通道交叉特征注意力模块、全特征联合交叉注意力模块和内嵌注意力机制的残差密集连接模块；

所述特征提取模块的应用至少包括以下步骤：

对于输入的Landsat参考日图像即高分辨率图像而言：首先利用卷积层初步提取Landsat图像的特征图；

其次采用内嵌注意力机制的残差密集连接模块增强Landsat特征图，进一步挖掘Landsat特征图的深层信息；

对于输入的MODIS日图像即低分辨率图像而言：

首先利用多通道交叉特征注意力模块，基于Landsat输入图像计算空间和光谱权重，实现对MODIS图像的初步校准；

其次，采用内嵌注意力机制的残差密集连接模块对初步校准后的MODIS特征图进行深度特征提取，得到增强后的MODIS特征图；

最后，设计全特征联合交叉注意力模块，通过拟合多波段间的内在关联，对Landsat特征图和增强后的MODIS特征图进行协同处理，显著增强MODIS特征图；

所述差分加权模块用于捕捉时间维度上的局部变化信息；

所述差分加权模块的应用至少包括以下步骤：

首先，从增强后的Landsat特征图和显著增强的MODIS特征图中学习权重，并在学习过程中使用批量归一化来稳定训练过程并加速模型收敛；

其次，采用sigmoid函数将权重比例限制在[0, 1]范围内，生成空间权重掩码，从而动态地为输入特征图的每个空间位置分配权重；

最后，通过逐元素相乘对输入特征进行加权，获得初步融合结果，显著增强对重要区域的关注能力，表达式如下：式中， 和 分别表示显著增强的MODIS特征图和增强后的Landsat特征图； 表示初步融合结果； 为差值特征图； 为卷积核； 为卷积运算； 为批量归一化和sigmoid函数； 为空间注意力权重；

所述特征增强模块用于将初步融合结果与增强后的Landsat特征图相结合，以获得更精确的高分辨率融合图像；

所述特征增强模块至少包括以下步骤：

首先，通过残差连接融合差分加权模块的输出特征图与增强后的Landsat特征图；

其次，利用残差密集连接模块充分提取多层次语义信息；

最后，通过卷积操作将高维特征映射为原始图像的通道数，生成最终的高分辨率的融合结果，表达式如下：式中， 表示最终的输出结果； 和 分别表示初步融合特征图和增强的Landsat特征图； 为残差密集连接模块的输出特征图； 为卷积运算； 表示将通道数调整为原始输入通道数的卷积运算；

S4：采用组合损失函数对DCAF模型进行约束训练过程，当总体损失收敛后，训练好的DCAF模型被用于预测高时空分辨率的地表反射率数据；

所述组合损失函数由Charbonnier损失函数、边缘损失函数和结构相似性损失函数组成，表达式如下：式中， 、 和 为正则化参数， 、 和 分别为

Charbonnier损失函数、边缘损失函数和结构相似性损失函数，由以下计算公式确定：式中， 表示训练图像对 的数量， 为MODIS特征图， 为Landsat特征图， 为标签数据， 表示残差融合网络的输出，为常数项，通常设置为 ；

表示平均结构相似性指数； 表示结构相似性指数；表示拉普拉斯算子。

2.根据权利要求1所述的基于双层交叉注意力机制的Landsat‑MODIS遥感影像时空融合方法，其特征在于：所述多通道交叉特征注意力模块，旨在重新校准MODIS和Landsat波谱频段上的空间和光谱权重；

所述多通道交叉特征注意力模块的应用至少包括以下步骤：首先通过逐层卷积提取Landsat输入图像和MODIS输入图像的特征，生成Landsat特征图和MODIS特征图，并引入跳跃连接，在保留输入特征原始信息的同时，缓解了深度网络中梯度消失问题；

其次，通过注意力机制分别对Landsat特征图和MODIS特征图赋予不同权重，基于交叉注意力机制分别生成光谱权重和空间权重，相互调整高分辨率和低分辨率特征；

最后，通过元素相加将加权后的低分辨率通道特征和高分辨率空间特征融合，实现对MODIS图像的初步校准，显著增强了模块的特征表示能力；

计算公式如下：

式中： 、 和 分别表示空间注意力模块、通道注意力模块和交叉注意力模块的输出特征图； 表示跳跃连接的逐层卷积层； 和 分别表示低分辨率和高分辨率特征图；和 分别表示卷积运算和元素乘法运算； 表示级联操作；为sigmoid函数； 为权重参数；为每个注意力模块的偏置参数。

3.根据权利要求2所述的基于双层交叉注意力机制的Landsat‑MODIS遥感影像时空融合方法，其特征在于：所述残差密集连接模块用于在重新校准特征图后，采用内嵌注意力机制的残差密集连接模块进一步提取并增强深层特征信息；

所述残差密集连接模块结合密集连接与注意力机制，有效捕捉局部细节信息；

所述残差密集连接模块包含六个密集连接层，通过局部跳跃连接传递特征，并沿通道维度连接输入和输出特征，增强特征图的可重用性，从而充分提取细节信息；

其次，残差密集连接模块的嵌入残差注意力结构，进一步增强特征图，有效提取特征图中的高层次信息，表示为：式中， 和 分别表示残差注意力的输入和输出特征图； 和 分别表示通道注意力和空间注意力模块的输出特征图； 表示残差注意力模块的权重参数；

表示残差注意力模块的偏差项。

4.根据权利要求3所述的基于双层交叉注意力机制的Landsat‑MODIS遥感影像时空融合方法，其特征在于：所述全特征联合交叉注意力模块用于协同处理Landsat特征图和增强后的MODIS特征图，进一步拟合多波段信息；

通过增强空间和光谱层面的特征权重，结合交叉注意力机制，获得重新校准的特征图，进而增强输出图像的空间细节信息。