数据融合基本原理

技术集成、数据融合和建模（包括模型和模式）是地球空间信息技术的三大环节。

技术集成

　按照一定的技术原理或功能目的，将两个或两个以上的单项技术通过重组而获得具有统一整体功能的新技术的创造方法。它往往可以实现单个技术实现不了的技术需求目的。（百度）

严格的说，所有的空间信息技术都是集成技术，例如RS技术集成、GIS技术集成、GNSS技术集成、3S技术集成和3S+C+N（即3S+通信+网络）技术集成。

技术集成还可分为：

1、观测的集成

2、数据的集成

3、应用的集成

4、服务的集成

5、知识的集成

“3S”与通信技术集成

　　“3S”集成是指将GPS、RS、GIS有机地集成在一起，通过与通信技术的集成，构成整体 的、实时的和动态的对地观测、分析和应用的运行系统，提高“3S”应用的自动化、实时化 和智能化功效。如美国俄亥俄州立大学、加拿大卡尔加里大学和我国武汉大学进行的集CCD 摄像机、GPS、GIS和其他传感器为一体的移动式测绘系统（mobile mapping system）。其 他具体应用如下：

　　＊ 数字城市；

　　＊ 智能交通；

　　＊ 精准农业。 

10.2 数据融合

10.2.1数据融合基本原理

数据融合技术包括对运用各种信息获取技术所取得的各种信息的采集、传输、综合、提取、相关及合成，达到对资源、环境、经济、社会，尤其是突发事件应急管理管理目的的调查、监督、诊断和辅助决策的技术系统。

主要目标是从种类繁多的海量数据中，提取对特定目标的有用的、精准的信息。

数据融合技术在多信息、多平台和多用户系统中起着重要的处理和协调作用，保证了数据处理系统各单元与汇集中心或融合中心间的连通性与实时、准时性通信，并能提供准确的目标物位置、变化方向、变化趋势，及变化量的准确信息，这是和传统的平台的不同之处。它具有多种信息的收集、综合、提取、分析及准确传输的能力，包括将准确的信息，在准确的时间内，传输给准确的地点和准确的人。

数据融合技术的核心是利用高性能信息处理与计算技术，将来自多个传感器或多源的观测信息进行分析、综合处理，从而获得决策所需的信息的现代高技术。

数据融合的基本原理：充分利用多种传感器资源及其获得的数据，通过对各种传感器及人工观测信息的合理综合与分析，并将各种传感器在空间、时间和波谱/频谱等物理特征上的互补性与冗余信息依据的某种优化准则或算法组合起来，产生对观测对象的一致性解译和描述，其目标是基于各种传感器检测信息和人工观测信息的优化组合和分析来导出更多有用信息的现代技术系统。

数据融合可以分为以下三种基本内型：

1、像素融合，它是在直接来自采集到的原始数据层上进行的融合，对各种传感器获得的数据进行集合，是低层次的融合。

2、特征层融合，它先对来自各种传感器的数据进行特征提取，然后再进行将特征信息进行集成，实现了数据的压缩，减少了工作量。它又可分为分布式的融合和集中式的融合两个基本类型，还可以划分为目标状态融合和目标特性融合两个类。是中间层次的融合。

3、决策层融合：是通过不同类型的传感器观测同一个目标或地区，每一个传感器在本地完成基本处理和特征提取、识别，然后将结果通过网络传输到融合中心，进一步将不同地区、分中心的同一对象的结果进行关联处理和融合，最后完成决策层的融合，是最高层次的融合。

10.2.2 数据融合的分类

目前在轨运行的国内外卫星传感器，观测数据空间分辨率从公里级到米级，光谱波段跨越可见光、红外到微波，观测时间也不同步，如何有效地协同利用多源遥感器数据的信息量，数据融合分为以下类型：

1、多源卫星遥感图像的辐射再定标和自动配准技术。解决不同空间分辨率、不同观测角度、不同传感器遥感图像之间的自动配准技术。通过对卫星遥感数据进行辐射再定标和图像配准，可以提高不同时间序列卫星遥感数据的可对比性。

2、地面观测与遥感观测的尺度转换与四维时空融合。地面台站观测提供时间连续、空间离散的观测数据，遥感提供空间连续的瞬时观测，因此需要四维时空连续的地球综合观测信息。研究地球系统关键参数的空间尺度效应，建立地面台站观测数据、航空遥感数据、多尺度卫星遥感数据之间的尺度转换模型。研究地球系统关键参数的时间尺度效应，发展台站观测、卫星遥感观测与地表过程模型的融合技术和方法，重点发展地表辐射平衡、地表蒸散、地表碳氮循环的遥感定量估算模型，通过四维时空信息融合，实现全球地表能量与物质循环综合检测的时空扩展。

3、光学和微波不同波段遥感数据的融合。光学和微波波段的辐射传输机制不同，分别有各自的辐射传输模型及参数定义，研究不同波段遥感模型中相互关联参数的物理意义，实现遥感辐射传输模型的相互耦合，是多波段遥感模型数据融合的基础。

4、不同空间分辨率的遥感数据融合。低分辨率的遥感数据往往覆盖范围广、重复周期短，适合于大范围地表能量与物质循环监测，但混合像元造成的空间尺度效应仍是一大难题；高分别率的遥感数据往往重复周期长，不能满足快速动态监测的需求。研究遥感数据的空间尺度转换模型，可以显著减少尺度误差。

5、不同时相遥感数据的融合。遥感模型主要针对遥感数据获取的瞬时特点，建立与地表状态参数之间的关系，而地表过程都是随时间连续变化的。如何针对这些特点，把地表参数的时间过程信息引入遥感状态模型，提高地表参数的反演精度，或把遥感反演的地表状态参数与地表过程模型进行融合，是协同使用多时相遥感数据需要解决的重要科学问题。

总之，数据统合研究多源遥感数据的协同反演理论和方法，可以充分挖掘现有的各种卫星遥感数据和地面台站观测数据的潜力，使得生产高精度、高质量、长时间序列的地表参数定量遥感信息产品成为可能。

10.2.3 数据融合的过程

遥感数据反演的一般流程图：

说明：普通数据融合系统中的数据流（g）是以时间为变量的动态物理模型，f是前向遥感模型（由物理模型的状态变量X做输入定量模拟遥感观测值Y’）。Y是遥感数据，通过在包含Y和Y’两项的价值函数中寻求全局最小值求解模型状态变量X的最优值。

四维数据融合技术

对于遥感观测与地学系统模拟的结合是至关重要的，同时也是遥感信息融合的一个终极目的之一。

四维数据融合技术既可以改善地学过程模型的表现，有对于提高遥感观测数据产品的精度具有重要的意义。

目前需要进一步研究的问题：

如何改进目前遥感数据进行地表参数反演。

如何挑选并优化各类参数提取算法。

如何让遥感数据为水文、生态系统模拟服务从而更好的改进模型表现。

如何应用水文-生态-气候过程模型的运行结果为遥感数据参数反演提供精度控制和验证。

数据融合中选择哪种过程模型更能改进数据精度。

数据融合技术的应用

数据的融合是应用的需要，如遥感影像数据和DEM数据的融合形成的立体影像地图

立体影像地图 stereo photo map 

　　由一张正射影像地图和一张立体配对影像图组成的地图。

光学数据与雷达数据的融合

不同分辨率数据的融合

不同传感器捕捉同一目标的融合

红外与微波海面温度融合技术实例：海洋表面温度（SST）是一个重要的地球物理学的参数，提供空气－海洋边界热流动情况的评估。对全球规模的气候靠模拟，地球的热平衡的研究和对大气－海洋的循环式样和反常事物的观测是十分重要的。过去，SST只能用船和浮标进行测量，其范围有限。卫星技术提高了实时测量全球SST的能力。卫星遥感测量SST的方法有红外和被动微波辐射计两种方式，但都有其弱点。由于所有的通道都对云很敏感而且会被气溶胶和大气水汽散射，故红外测量SST需要对反演信号进行大气修正，而且只能得到无云的像素。和红外相比较，由于在微波波段地球Planck辐射信号较弱，故被动微波辐射计得到的SST精度和分辨率都较低，而且风或粗糙海面对其也有影响，但用多频率可以修正。但被动微波辐射计波长较长，可以穿透云层，修正大气影响。将两种方法，即高精度和高分辨率的红外SST和时空覆盖较好的微波SST结合，形成一种混合这两种优势的产品，可大大提高原有各自SST的测量水平。

遥感数据和GPS定位数据的融合。例如，合成孔径雷达干涉测量（InSAR）技术与全球定位系统（GPS）技术的互补性集成与应用。

合成孔径雷达干涉测量是获取米级精度，数十米空间分辨率的地面高程信息的一种高效手段，其差分技术还可以用于探测亚厘米级的微小地表形变。随着星载SAR卫星发射的巨大成功，重复轨道INSAR在利用差分技术监测微小的地表形变量方面已经被广泛应用于不同的领域。例如油田快速沉降监测、城市地面沉降监测、地震研究、火山监测、冰川运动和极地研究等。然而，它也有其固有的，提别是受到卫星轨道误差和大气层延迟误差等影响，很容易导致INSAR图像的错误解释。

全球定位系统（GPS）精密定位，特别是星载GPS高精度定轨，可以精确确定地面离散点上的位置和高程变化和电离层、对流层参数。从来弥补合成孔径雷达干涉测量的缺陷。