利用一种新的算法，伊利诺伊大学的研究人员可能已经找到了解决困扰卫星图像的一个古老难题的方法——是牺牲高空间分辨率以更频繁地生成图像，还是反之。该团队的新工具通过将高分辨率和高频卫星数据融合到一个集成产品中，消除了这种权衡，可以生成自2000年以来每天30米的连续图像。
对农业、城市发展、环境质量和经济发展的监测只是人们利用卫星数据的几种方式。这个新算法几乎适用于任何应用程序。
在农业应用中，10至30米分辨率的成像对于农民了解影响产量的田间作物条件的快速和微妙变化至关重要，如极端天气事件后的作物应激和干扰。研究人员说，现有数据要么空间分辨率不足，要么频率较低。农民通常需要高分辨率和接近实时的信息。
“我们努力寻找在我们自己的研究中具有高空间分辨率和高频的卫星数据 - 它根本不存在，”自然资源和环境科学教授和研究合作社Kaiyu Guan表示。“所以我们主动生产自己。”
Guan是全国伊利诺伊州超级履行应用领域的蓝水域教授，与建鹏和计算机科学教授云南罗教授开发了一种算法，将卫星图像从多个来源融合到连续，日常高分辨率图像中。研究人员描述了期刊遥感环境中的方法和调查结果。
“我们首先将所有可用的卫星数据集摄入蓝色水域，国家科学基金会的领导类超级计算机。只需点击一个按钮来运行我们的算法，自动出现的是每日高分辨率图像可用于各种科学应用，“关说道。
之前的研究人员已经开发出了融合高分辨率时空数据的方法，但这些方法存在局限性。几乎所有的算法都缺乏自动化，不能同时处理缺失像素和时间融合。这些缺点导致了短期和本地化的应用程序。
为了克服以往方法的局限性，该团队设计了自动集成现有数据信息的算法。这弥补了由于云覆盖或数据缺口造成的信息缺失。新算法可以利用时间序列信息和与邻近像素的关系，为任何地点或地区创建没有任何遗漏像素的图像。
除了近实时的每日高分辨率数据收集外，团队还会设想长期每日建立各种应用的大陆尺度图像。“自2000年以来，已经收集了运行该算法所需的高质量卫星数据的类型，这意味着我们可以在此行星上返回的任何位置产生每日30米的分辨率图像，”关说道。
“这可用于自2000年以来，研究农业生产力，生态系统和极地冰动力学的变化，比以前可能比以前更高，”彭说。“我们的方法可以彻底改变卫星数据的使用。”
研究人员已经成功地在香槟县，生病县中成功地融合了表面反射数据，并在30米的分辨率下为2017年生长季节生成的日常时间序列。
要看这个表面反射率数据的视频，请点击这里。
“尽管其他人也投资了类似的技术，但他们不可能像我们一样回到过去，”关说。“我们算法的数据源使用来自美国宇航局(NASA)或欧洲航天局(European Space Agency)最严格的数据，每天生成可供研究和实际应用的聚变数据。”官说。
“生成这种数据需要大量的计算资源，使得可访问性困难，”彭说。“我们希望与更广泛的科学界共享产出，我们正在努力找到一种方法来实现这一目标。”
了下:航空航天+防御
