多源遙感及地學數據融合計算 沈煥鋒 9787030746030 【台灣高等教育出版社】

內容簡介
衛星遙感、地基觀測、模型模擬、社會感知等是獲取地球表層科學數據的主要手段，不同來源的數據之間存在強烈的互補性。《多源遙感及地學數據融合計算》圍繞多源數據的融合計算展開研究，以多源遙感數據的信息融合為主體內容，並擴展到與地基數據、模型模擬數據和社會感知數據的融合。內容體繫上分為同質數據融合、異質數據融合、異類數據融合等幾個層次：*先介紹同質光學遙感數據的空-譜融合、時-空融合及時-空-譜融合方法；其次介紹光學、雷達、短波紅外、多參量產品等異質數據間的融合方法；然後介紹地基觀測、遙感觀測、模型模擬與社會感知等異類數據間的融合方法；*后提出廣義地學數據時-空-譜一體化融合的理論框架與模型方法。

目錄

目錄
第1章 緒論1
1 1 地學數據類型1
1 2 不同數據之間的互補性3
1 3 數據融合的定義4
1 4 本書研究內容5
參考文獻7
第2章 亞像素位移影像序列超解析度融合方法9
2 1 概述9
2 1 1 超解析度技術的概念9
2 1 2 超解析度技術的遙感應用10
2 2 超解析度技術基本理論與方法11
2 2 1 觀測模型11
2 2 2 參數估計12
2 2 3 超解析度模型13
2 3 基於深度學習的視頻序列超解析度融合方法15
2 3 1 概述15
2 3 2 時空信息融合網路16
2 3 3 空間梯度增強網路18
2 3 4 聯合優化策略20
2 4 視頻影像超解析度融合實驗21
2 4 1 測試數據與實驗設置21
2 4 2 模擬實驗23
2 4 3 真實實驗28
2 5 本章小結30
參考文獻30
第3章 多傳感器遙感影像空-譜融合方法36
3 1 概述36
3 2 空-譜融合方法體系37
3 2 1 成分替換融合方法37
3 2 2 多解析度分析融合方法41
3 2 3 變分模型融合方法44
3 2 4 機器學習融合方法46
3 3 基於差值映射的深度殘差卷積融合網路48
3 3 1 差值映射與梯度輔助策略48
3 3 2 基於差值映射的深度殘差卷積融合方法50
3 4 實驗結果與分析53
3 4 1 定量評價指標54
3 4 2 模擬實驗56
3 4 3 真實實驗60
3 4 4 參數量及複雜度分析65
3 5 本章小結66
參考文獻66
第4章 多源遙感參量數據時-空融合方法73
4 1 概述73
4 2 時-空融合的發展現狀74
4 2 1 線性解混方法75
4 2 2 時空濾波方法75
4 2 3 變分模型方法76
4 2 4 機器學習方法76
4 2 5 混合方法77
4 3 基於非局部濾波的時-空融合方法77
4 3 1 模型框架77
4 3 2 演算法流程79
4 3 3 實驗結果與分析81
4 4 深度學習時-空融合方法87
4 4 1 模型框架87
4 4 2 網路細節與損失函數89
4 4 3 實驗結果與分析91
4 5 多傳感器時-空一體化融合方法99
4 5 1 模型框架99
4 5 2 像元篩選與權重計算100
4 5 3 實驗結果與分析101
4 6 本章小結108
參考文獻108
第5章 多源光學遙感影像時-空-譜一體化融合方法111
5 1 概述111
5 2 時-空-譜一體化變分融合模型112
5 2 1 時-空-譜關係模型112
5 2 2 一體化融合模型115
5 2 3 優化求解演算法118
5 3 實驗結果與分析118
5 3 1 超解析度融合實驗119
5 3 2 空-譜融合實驗120
5 3 3 時-空融合實驗121
5 3 4 時-空-譜一體化融合實驗122
5 4 本章小結126
參考文獻126
第6章 單極化-全極化SAR數據融合方法129
6 1 概述129
6 2 數據組織形式與退化模型130
6 3 機器學習SAR數據融合模型132
6 3 1 高解析度單極化SAR特徵提取模塊133
6 3 2 低解析度全極化SAR超解析度重建模塊134
6 3 3 交叉注意力機制136
6 3 4 融合損失函數138
6 3 5 雙-全極化SAR影像融合方法擴展139
6 4 實驗結果與分析139
6 4 1 實驗數據與預處理140
6 4 2 模擬實驗141
6 4 3 真實實驗144
6 4 4 極化分析實驗145
6 4 5 雙-全極化SAR影像融合實驗150
6 5 本章小結152
參考文獻152
第7章 光學-SAR遙感數據像素級融合方法155
7 1 概述155
7 2 深度循環生成對抗網路融合方法156
7 2 1 雙向循環融合框架156
7 2 2 生成器與判別器網路結構158
7 2 3 損失函數160
7 3 實驗結果與分析161
7 3 1 解析度提升實驗162
7 3 2 厚雲去除實驗166
7 3 3 厚雲去除與解析度提升聯合處理實驗169
7 4 本章小結173
參考文獻173
第8章 可見光-短波紅外遙感數據融合方法177
8 1 概述177
8 1 1 譜段相關性與互補性177
8 1 2 大氣散射規律180
8 2 捲雲波段輔助的可見光波段校正方法182
8 2 1 捲雲校正模型183
8 2 2 參數求解183
8 2 3 實驗結果與分析187
8 3 基於梯度融合的影像薄雲霧校正方法193
8 3 1 歸一化梯度融合變分模型193
8 3 2 波段相關性先驗194
8 3 3 有約束的歸一化梯度融合模型195
8 3 4 實驗結果與分析196
8 4 短波紅外波段引導的融合重建方法199
8 4 1 雲區與非雲區分離199
8 4 2 相似像元高精度匹配200
8 4 3 空譜馬爾可夫薄雲校正模型201
8 4 4 實驗結果與分析203
8 5 本章小結204
參考文獻204
第9章 多參量數據融合降尺度方法207
9 1 概述207
9 1 1 空間降尺度207
9 1 2 確定性降尺度208
9 1 3 統計降尺度208
9 2 多元自適應回歸樣條降尺度方法210
9 2 1 前向選擇210
9 2 2 後向剪枝211
9 3 顧及尺度一致約束的卷積網路降尺度方法212
9 3 1 雙模式交叉注意力模塊213
9 3 2 內嵌注意力的殘差密集卷積模塊214
9 3 3 損失函數設計216
9 4 實驗結果與分析216
9 4 1 研究區域與數據216
9 4 2 實驗方案設計218
9 4 3 模擬實驗219
9 4 4 真實實驗224
9 5 本章小結231
參考文獻231
第10章 遙感與地基觀測數據點-面融合方法236
10 1 概述236
10 1 1 點-面融合基本概念236
10 1 2 大氣PM2 5濃度點-面融合估算238
10 1 3 顧及時空規律的機器學習點-面融合建模240
10 2 研究區域與數據240
10 2 1 地基站點數據241
10 2 2 衛星觀測數據241
10 2 3 氣象再分析資料241
10 2 4 數據預處理242
10 3 時空關聯深度學習點-面融合方法242
10 3 1 深度置信網路242
10 3 2 時空關聯因子提取244
10 3 3 時空關聯深度學習244
10 3 4 實驗結果與分析246
10 4 時空地理加權學習點-面融合方法249
10 4 1 模型結構250
10 4 2 時空加權方案251
10 4 3 權值優化求解251
10 4 4 模型參數選擇252
10 4 5 實驗結果與分析252
10 5 全局-局部結合時空神經網路點-面融合方法258
10 5 1 通用時空地理加權學習模型258
10 5 2 全局-局部建模框架259
10 5 3 實驗結果與分析261
10 6 點-面融合方法對比評估266
10 6 1 考慮站點不均勻分佈的驗證方法267
10 6 2 模型評價結果及其對比268
10 7 本章小結270
參考文獻270
第11章 對地觀測與社會感知數據融合方法275
11 1 概述275
11 2 研究區域與數據277
11 3 融合對地觀測與社會感知的PM2 5估算方法279
11 3 1 特徵變數提取279
11 3 2 關係建模與參量估計282
11 4 實驗結果與分析283
11 4 1 描述性統計結果283
11 4 2 定量評價結果284
11 4 3 製圖評價結果286
11 4 4 社會感知變數影響分析289
11 4 5 其他城市擴展應用290
11 5 本章小結293
參考文獻293
第12章 對地觀測數據與動力學模式同化融合方法296
12 1 概述296
12 2 模式-遙感數據同化方法297
12 2 1 數據同化基本原理297
12 2 2 數據同化演算法297
12 2 3 模型運算元與觀測運算元302
12 2 4 研究區、數據與實驗方案304
12 2 5 實驗結果與分析307
12 3 遙感-模式數據融合方法312
12 3 1 基本原理與研究現狀312
12 3 2 遙感-模式一體化融合框架313
12 3 3 研究區與實驗數據317
12 3 4 實驗結果與分析319
12 4 本章小結327
參考文獻327
第13章 多源地學數據廣義時-空-譜一體化融合方法332
13 1 概述332
13 1 1 **時-空-譜融合框架的局限332
13 1 2 「譜」的內涵延拓333
13 1 3 時-空-譜融合的廣義理解333
13 2 多源異質遙感影像的時-空-譜一體化融合方法334
13 2 1 異質時-空-譜一體化融合框架334
13 2 2 損失函數336
13 2 3 實驗結果與分析337
13 3 面向參量降尺度的廣義時-空-譜一體化融合方法342
13 3 1 土壤水分觀測及其降尺度342
13 3 2 數據介紹343
13 3 3 廣義時-空-譜一體化融合降尺度方法345
13 3 4 實驗結果與分析347
13 4 本章小結351
參考文獻351

精彩書摘
第1章 緒論
1 1 地學數據類型
地球系統由岩石圈、水圈、生物圈（包括人類）、大氣圈和外層空間組成，各子系統間相互聯繫、相互作用，共同影響全球環境的變化（廖順寶?等，2005）。為了深刻理解地球複雜的自然與人文現象、促進社會經濟的可持續發展，需要綜合、完整和持續的地球觀測系統（中國科學院地學部地球科學發展戰略研究組，2009）。數據與信息是地球系統科學存在的基礎和發展的關鍵，地球科學的理論研究必須以豐富的實測資料為基礎。國際標準化組織（International Organization for Standardization，ISO）、美國國家航空航天局（National Aeronautics and Space Administration，NASA）等均制定了自己的數據分類系統；廖順寶等（2005）參考已有分類系統原則，並結合現有地球系統科學數據資源的實際情況，將地球系統科學數據分為了岩石圈子系統、陸地表層子系統、海洋子系統、大氣子系統、外層空間子系統幾個大類。
本書的研究對象主要為陸地表層系統，它是與人類密切相關的環境、資源和社會經濟在時空上的結構、演化、發展及其相互作用，強調自然過程與人文過程的有機結合，是地球表層*複雜、*重要、受人類活動影響*大的一個子系統，是地球科學發展的核心和前沿領域（鄭度?等，2001）。在陸地表層數據獲取方面，從觀測角度，由早期肉眼「點」域的觀察—航空飛機局域的遙感—太空梭、衛星的全球廣域觀測，人類對地觀測技術在躍進式地發展（廖小罕，2021；王心源?等，1999）；隨著移動網際網路等信息技術的快速發展，反映人類時空行為特徵、揭示社會經濟現象時空分佈的海量社會感知數據也逐漸成為地學