评述 | 遥感图像时空融合与数据集
点击上方“中国科学信息科学”, 及时获取期刊动态!
遥感图像时空融合综述与
数据集
介绍
中山大学李军教授研究团队近日针对遥感图像时空融合领域进行了综述，并提出了三个新的基准数据集。相关研究成果以"Spatio-temporal fusion for remote sensing data: an overview and new benchmark"为题发表在SCIENCE CHINA Information Sciences 2020年第4期遥感图像处理中的深度学习专题(Special Focus on Deep Learning in Remote Sensing Image Processing)上。
研究内容
遥感图像时空融合，指的是结合高空间、低时间分辨率图像（如Landsat，SPOT等，以下简称为细图像）和低空间、高时间分辨率图像（如MODIS等，以下简称为粗图像），生成同时兼具高空间、高时间分辨率的合成遥感数据。这样的数据对于植被监测、环境监测、农作物估产等应用有很大的帮助。
“遥感图像时空融合”这个概念自2006年被提出，至今已经发展了十多年。在文中，李军教授将迄今为止大多数的时空融合算法做了概述，以供对该方向有兴趣的学者参考。同时，为了解决该领域目前没有基准数据集这个问题，李军教授团队提出了三个Landsat-MODIS数据集以供学者下载使用。
三个数据集分别命名为AHB数据集、Tianjin数据集和Daxing数据集。分别来自内蒙古阿鲁科尔沁旗（Ar Horqin Banner）、天津和北京大兴区，其总结如下表所示：
表1 数据集总结
这三个数据集的特点可以概括为：
1）地域类型多样：数据集中包括了各种各样的地物，如农田、牧场、山区、城镇、城市等。
2）时间跨度长：三个数据集的时间跨度都超过了5年。
3）具有挑战性：三个数据集都是异质性较高的区域，并且包括了土地覆盖类型的变化。
三个数据集的示例如下所示：
图1 AHB数据集示例图像对
图2 Tianjin数据集示例图像对
图3 Daxing数据集示例图像对
同时文章还基于所提出的数据集做了常见时空融合算法的对比实验，实验结果可以作为基准供以后的研究人员参考。
相关成果
数据集下载链接:
百度网盘：
https://pan.baidu.com/s/1ymgud6tnY6XB5CTCXPUfnw
谷歌网盘：
https://drive.google.com/open?id=1yzw-4TaY6GcLPIRNFBpchETrFKno30he
文章引用：
Li J, Li Y F, He L, et al. Spatio-temporal fusion for remote sensing data: an overview and new benchmark. Sci China Inf Sci, 2020, 63(4): 140301, https://doi.org/10.1007/s11432-019-2785-y.
文章下载：
http://scis.scichina.com/en/2020/140301.pdf