Fusion SST from Infrared and Microwave Measurement of FY-3D MeteorologicalSatellite

Sea surface temperature (SST) is one of the important parameters of global ocean and climate research, whichcan be retrieved by satellite infrared and passive microwave remote sensing instruments. While satellite infrared SST offershigh spatial resolution, it is limited by cloud cover. On the other hand, passive microwave SST provides all-weatherobservation but suffers from poor spatial resolution and susceptibility to environmental factors such as rainfall, coastaleffects, and high wind speeds. To achieve high-precision, comprehensive, and high-resolution SST data, it is essential tofuse infrared and microwave SST measurements. In this study, data from the Fengyun-3D (FY-3D) medium resolutionspectral imager II (MERSI-II) SST and microwave imager (MWRI) SST were fused. Firstly, the accuracy of both MERSI II SST and MWRI SST was verified, and the latter was bilinearly interpolated to match the 5km resolution grid of MERSISST. After pretreatment and quality control of MERSI SST and MWRI SST, a Piece-Wise Regression method wasemployed to correct biases in MWRI SST. Subsequently, SST data were selected based on spatial resolution and accuracywithin a 3-day window of the analysis date. Finally, an optimal interpolation method was applied to fuse the FY-3DMERSI-II SST and MWRI SST. The results demonstrated a significant improvement in spatial coverage compared toMERSI-II SST and MWRI SST. Furthermore, the fusion SST retained true spatial distribution details and exhibited anaccuracy of –0.12±0.74°C compared to OSTIA SST. This study has improved the accuracy of FY satellite fusion SSTproducts in China.     

智能机器人及其发展

智能机器人是一个国家高科技发展水平的重要标志之一，具有广阔的应用前景。本文介绍了机器人的定义和发展阶段，阐述了智能机器人研究领域的关键技术，总结了国内外各类机器人的发展现状并给出相应实例，最后分析并展望了智能机器人今后的发展和研究趋势。     

数据融合技术在多源潮汐数据分析中的应用

为了充分利用现有潮汐数据以建立高精度的潮汐分析模型，在利用最小二乘法进行潮汐分析的基础上，将数据融合技术应用于具有多源潮汐数据的分析，提出潮汐数据的分类方法，建立了三种潮汐数据融合方案，推导了各种方案的数据融合公式，并分析了各种方案的特点及适用范围。     

全息高精度导航地图: 概念及理论模型

本文提出了全息高精度导航地图的概念,它融合了多源数据,尤其是电磁传感器、声音传感器、热红外仪等传感器数据,从更多角度为导航提供信息。在此概念基础上,提出了一种融合多源数据的全息高精度导航地图理论模型框架,该框架包含4个步骤：① 全息道路数据采集,包含道路三维彩色激光点云、遥感影像、无人机航拍倾斜测量数据、摄像头图像、热红外图像、声场信号、电磁场信号;② 道路静态信息提取,从上述采集信息提取和标记得到,如车道线、路坎、栏杆、路牌、路灯、隧道等,作为无人驾驶车辆规划基础路线和车辆位置定位的数据基础;③ 道路动态信息提取,从上述采集信息提取和标记得到,如离前后车辆的距离、前方有无行人、道路施工护栏、泛在信息等,作为检测无人驾驶车辆周围的实时道路环境和规划无人驾驶车辆行驶路线的依据;④ 动、静态信息融合：融合道路静态信息和道路动态信息,丰富道路信息,提高道路线精度,提高全息高精度导航地图更新的效率,为导航和无人驾驶车辆提供地图服务。     

岩性识别：方法、现状及智能化发展趋势

岩性识别是地质工作中一项基础而又重要的工作。传统的岩性识别方法过于依赖经验和地质专业知识积累,不仅耗时长、专业性强,还易受主观因素影响,导致准确率不理想。笔者等首先回顾了传统的岩性识别方法,之后总结了最新涌现的智能化识别方法,最后详细介绍了基于岩石图像、镜下图像、图像与元素信息融合等的智能识别方法。基于岩石图像的识别方法对于文中的岩石识别准确率可达90%以上,基于图像与元素融合的岩性识别方法可以缓解图像相似度高、风化破坏表观特征等因素对识别准确度的影响。笔者等认为当前岩性智能化识别研究仍处于初级阶段,无法满足工程需求。综合各类数据源的优势,利用机器学习深度挖掘岩石元素、矿物、光谱和表观特征间的内在关联性,有利于突破单源信息的局限性,实现岩性快速准确识别。     

海洋数据同化与数据融合技术应用综述

简述了不同数据同化和数据融合方法在海洋环境监测与预测方面的应用、国内外相关业务单位的海洋分析和预报系统的现状,以及海洋数据同化将来的业务化应用的发展趋势。四维变分和集合卡尔曼滤波正在成为国际上海洋环境分析与预报的主要应用方向,海-气耦合数据同化以及海冰数据同化是目前数据同化方法研究的热点。     

一种GNSS坐标基准偏差估计的融合方法

针对不同GNSS的坐标基准的差异问题,分析其产生来源及常用的偏差参数估计方法,提出了综合地面点法和星历法两者优点的融合算法。为了验证本文提出的融合算法的适用性和精度,算例采用NGA和IGS提供的2013年1月1日~1月14日共两周的数据,其中,包含分布在全球的34个IGS测站,结果表明,融合算法具有更高的精度和更好的稳定性。     

结合Gram-Schmidt变换的高光谱影像谐波分析融合算法

针对高光谱影像谐波分析融合(HAF)算法在影像融合时不顾及地物光谱曲线整体反射率这一缺陷,提出了结合Gram-Schmidt变换的高光谱影像谐波分析融合(GSHAF)改进算法。GSHAF算法可在完全保留融合前后像元光谱曲线波形形态的基础上,将高光谱影像融合简化为各像元光谱曲线的谐波余相组成的二维影像与高空间分辨率影像之间的融合。它是在原始高光谱影像光谱曲线被谐波分解为谐波余项、振幅和相位后,首先将其谐波余项与高空间分辨率影像进行GS变换融合,这样便可有效地修正融合后像元光谱曲线的反射率特征,随后再利用该融合影像与谐波振幅、相位进行谐波逆变换,完成高光谱影像谐波融合。本文最后利用Hyperion高光谱遥感影像与ALI高空间分辨率影像对GSHAF算法进行可行性分析,再以HJ-1A等卫星数据对其进行普适性验证,试验结果表明,GSHAF算法不仅可以完全地保留光谱曲线波形形态,而且融合后影像的地物光谱曲线反射率更接近真实地物。     

利用纹理特征的SAR与光学图像融合方法研究

针对SAR与光学图像的融合问题,提出一种基于SAR图像中纹理特征的Contourlet变换融合方法。利用灰度共生矩阵法提取SAR图像的纹理特征,分析各个纹理特征间的相关性,得到重要纹理特征图。用HSV变换提取光学图像的强度分量。将重要纹理特征和强度分量利用改进的Contourlet多尺度变换融合,得到新的强度分量。通过HSV逆变换得到SAR与光学的融合图像。利用Landsat8和Cosmo-SkyMed图像进行融合实验,并与小波、HSV、Brovey、Contourlet变换融合方法对比分析,实验表明该方法能够较好的保持光学图像的光谱特征和SAR图像的纹理、强散射特征,增加图像细节信息,提高图像可解译性。