多源遥感及地学数据融合计算

目录 第1章 绪论1 1.1 地学数据类型1 1.2 不同数据之间的互补性3 1.3 数据融合的定义4 1.4 本书研究内容5 参考文献7 第2章 亚像素位移影像序列超分辨率融合方法9 2.1 概述9 2.1.1 超分辨率技术的概念9 2.1.2 超分辨率技术的遥感应用10 2.2 超分辨率技术基本理论与方法11 2.2.1 观测模型11 2.2.2 参数估计12 2.2.3 超分辨率模型13 2.3 基于深度学习的视频序列超分辨率融合方法15 2.3.1 概述15 2.3.2 时空信息融合网络16 2.3.3 空间梯度增强网络18 2.3.4 联合优化策略20 2.4 视频影像超分辨率融合实验21 2.4.1 测试数据与实验设置21 2.4.2 模拟实验23 2.4.3 真实实验28 2.5 本章小结30 参考文献30 第3章 多传感器遥感影像空-谱融合方法36 3.1 概述36 3.2 空-谱融合方法体系37 3.2.1 成分替换融合方法37 3.2.2 多分辨率分析融合方法41 3.2.3 变分模型融合方法44 3.2.4 机器学习融合方法46 3.3 基于差值映射的深度残差卷积融合网络48 3.3.1 差值映射与梯度辅助策略48 3.3.2 基于差值映射的深度残差卷积融合方法50 3.4 实验结果与分析53 3.4.1 定量评价指标54 3.4.2 模拟实验56 3.4.3 真实实验60 3.4.4 参数量及复杂度分析65 3.5 本章小结66 参考文献66 第4章 多源遥感参量数据时-空融合方法73 4.1 概述73 4.2 时-空融合的发展现状74 4.2.1 线性解混方法75 4.2.2 时空滤波方法75 4.2.3 变分模型方法76 4.2.4 机器学习方法76 4.2.5 混合方法77 4.3 基于非局部滤波的时-空融合方法77 4.3.1 模型框架77 4.3.2 算法流程79 4.3.3 实验结果与分析81 4.4 深度学习时-空融合方法87 4.4.1 模型框架87 4.4.2 网络细节与损失函数89 4.4.3 实验结果与分析91 4.5 多传感器时-空一体化融合方法99 4.5.1 模型框架99 4.5.2 像元筛选与权重计算100 4.5.3 实验结果与分析101 4.6 本章小结108 参考文献108 第5章 多源光学遥感影像时-空-谱一体化融合方法111 5.1 概述111 5.2 时-空-谱一体化变分融合模型112 5.2.1 时-空-谱关系模型112 5.2.2 一体化融合模型115 5.2.3 优化求解算法118 5.3 实验结果与分析118 5.3.1 超分辨率融合实验119 5.3.2 空-谱融合实验120 5.3.3 时-空融合实验121 5.3.4 时-空-谱一体化融合实验122 5.4 本章小结126 参考文献126 第6章 单极化-全极化SAR数据融合方法129 6.1 概述129 6.2 数据组织形式与退化模型130 6.3 机器学习SAR数据融合模型132 6.3.1 高分辨率单极化SAR特征提取模块133 6.3.2 低分辨率全极化SAR超分辨率重建模块134 6.3.3 交叉注意力机制136 6.3.4 融合损失函数138 6.3.5 双-全极化SAR影像融合方法扩展139 6.4 实验结果与分析139 6.4.1 实验数据与预处理140 6.4.2 模拟实验141 6.4.3 真实实验144 6.4.4 极化分析实验145 6.4.5 双-全极化SAR影像融合实验150 6.5 本章小结152 参考文献152 第7章 光学-SAR遥感数据像素级融合方法155 7.1 概述155 7.2 深度循环生成对抗网络融合方法156 7.2.1 双向循环融合框架156 7.2.2 生成器与判别器网络结构158 7.2.3 损失函数160 7.3 实验结果与分析161 7.3.1 分辨率提升实验162 7.3.2 厚云去除实验166 7.3.3 厚云去除与分辨率提升联合处理实验169 7.4 本章小结173 参考文献173 第8章 可见光-短波红外遥感数据融合方法177 8.1 概述177 8.1.1 谱段相关性与互补性177 8.1.2 大气散射规律180 8.2 卷云波段辅助的可见光波段校正方法182 8.2.1 卷云校正模型183 8.2.2 参数求解183 8.2.3 实验结果与分析187 8.3 基于梯度融合的影像薄云雾校正方法193 8.3.1 归一化梯度融合变分模型193 8.3.2 波段相关性先验194 8.3.3 有约束的归一化梯度融合模型195 8.3.4 实验结果与分析196 8.4 短波红外波段引导的融合重建方法199 8.4.1 云区与非云区分离199 8.4.2 相似像元高精度匹配200 8.4.3 空谱马尔可夫薄云校正模型201 8.4.4 实验结果与分析203 8.5 本章小结204 参考文献204 第9章 多参量数据融合降尺度方法207 9.1 概述207 9.1.1 空间降尺度207 9.1.2 确定性降尺度208 9.1.3 统计降尺度208 9.2 多元自适应回归样条降尺度方法210 9.2.1 前向选择210 9.2.2 后向剪枝211 9.3 顾及尺度一致约束的卷积网络降尺度方法212 9.3.1 双模式交叉注意力模块213 9.3.2 内嵌注意力的残差密集卷积模块214 9.3.3 损失函数设计216 9.4 实验结果与分析216 9.4.1 研究区域与数据216 9.4.2 实验方案设计218 9.4.3 模拟实验219 9.4.4 真实实验224 9.5 本章小结231 参考文献231 第10章 遥感与地基观测数据点-面融合方法236 10.1 概述236 10.1.1 点-面融合基本概念236 10.1.2 大气PM2.5浓度点-面融合估算238 10.1.3 顾及时空规律的机器学习点-面融合建模240 10.2 研究区域与数据240 10.2.1 地基站点数据241 10.2.2 卫星观测数据241 10.2.3 气象再分析资料241 10.2.4 数据预处理242 10.3 时空关联深度学习点-面融合方法242 10.3.1 深度置信网络242 10.3.2 时空关联因子提取244 10.3.3 时空关联深度学习244 10.3.4 实验结果与分析246 10.4 时空地理加权学习点-面融合方法249 10.4.1 模型结构250 10.4.2 时空加权方案251 10.4.3 权值优化求解251 10.4.4 模型参数选择252 10.4.5 实验结果与分析252 10.5 全局-局部结合时空神经网络点-面融合方法258 10.5.1 通用时空地理加权学习模型258 10.5.2 全局-局部建模框架259 10.5.3 实验结果与分析261 10.6 点-面融合方法对比评估266 10.6.1 考虑站点不均匀分布的验证方法267 10.6.2 模型评价结果及其对比268 10.7 本章小结270 参考文献270 第11章 对地观测与社会感知数据融合方法275 11.1 概述275 11.2 研究区域与数据277 11.3 融合对地观测与社会感知的PM2.5估算方法279 11.3.1 特征变量提取279 11.3.2 关系建模与参量估计282 11.4 实验结果与分析283 11.4.1 描述性统计结果283 11.4.2 定量评价结果284 11.4.3 制图评价结果286 11.4.4 社会感知变量影响分析289 11.4.5 其他城市扩展应用290 11.5 本章小结293 参考文献293 第12章 对地观测数据与动力学模式同化融合方法296 12.1 概述296 12.2 模式-遥感数据同化方法297 12.2.1 数据同化基本原理297 12.2.2 数据同化算法297 12.2.3 模型算子与观测算子302 12.2.4 研究区、数据与实验方案304 12.2.5 实验结果与分析307 12.3 遥感-模式数据融合方法312 12.3.1 基本原理与研究现状312 12.3.2 遥感-模式一体化融合框架313 12.3.3 研究区与实验数据317 12.3.4 实验结果与分析319 12.4 本章小结327 参考文献327 第13章 多源地学数据广义时-空-谱一体化融合方法332 13.1 概述332 13.1.1 **时-空-谱融合框架的局限332 13.1.2 “谱”的内涵延拓333 13.1.3 时-空-谱融合的广义理解333 13.2 多源异质遥感影像的时-空-谱一体化融合方法334 13.2.1 异质时-空-谱一体化融合框架334 13.2.2 损失函数336 13.2.3 实验结果与分析337 13.3 面向参量降尺度的广义时-空-谱一体化融合方法342 13.3.1 土壤水分观测及其降尺度342 13.3.2 数据介绍343 13.3.3 广义时-空-谱一体化融合降尺度方法345 13.3.4 实验结果与分析347 13.4 本章小结351 参考文献351