数据融合与数据同化

图形数据融合：是一个将多遥感器的图像数据和其它信息的踔厉过程。它着重把那些在空间或时间上冗余或互补的数据，按照一定的规则(或算法)进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。它不仅仅是数据间的简单复合，更强调数据的优化，以突出有用的信息，消除或抑制无关的信息，改善目标识别的图像环境，从而增强解译的可靠性，减少模糊性(即多义性、不完全性、不确定性和误差)，改善分类，扩大应用范围和效果。
融合的原因：遥感是以不同空间、时间、波谱、辐射分辨率提供波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面反映目标对象的特征，也就是具有一定的应用范围和局限性。各类非遥感数据(包括地学常规手段获得的信息)结合起来，相互取长补短，便可以发挥各自的优势，弥补各自的不足，有可能更全面地反映地面目标，提供更强的信息解译能力和更可靠的分析结果。这样不仅扩大了各数据的应用范围，而且提高了分析精度、应用效果和实用价值。
融合目标：
1.提高图像的空间分辨能力，即图像锐化
2.增强专题特征识别能力
3.提高分类精度、应用效果
4.提供变化检测能力
5.替代或修补图像数据的缺陷
融合类型：
1.基于像元的图像数据融合
2.基于特征的图像数据融合
3.基于决策层的图像数据融合
融合效果评价：
1.基于信息量的评价
2.基于清晰度的评价
3.基于逼真度的评价
多时相遥感数据融合目标：
1.利用光谱特征时间效应，来提高专题信息的识别能力和分类精度
2.利用地面目标不同时序的变化信息，进行动态分析、变化检测如资源与环境的变化、湖泊的消涨、河流测迁徙等。
多源遥感数据融合目标：
1.利用不同类型、不同平台的遥感数据的优势，以扩大遥感应用的范围与效果
2.利用各类遥感数据的局限性与互补性，修补图像数据的缺陷。
数据同化：将地面、遥感观测和模型模拟结合起来的遥感研究方法。考虑了数据的时空分布以及观测场和背景场误差的基础上，在数值模型的动态运行过程中融合新的观测数据的方法。它是在过程模型的动态框架内，通过数据同化算法不断融合时空上离散分布的不同来源和不同分辨率的直接或间接观测信息来自动调整模型轨迹，以改善动态模型状态的估计精度，来提高模型预测能力；而对于遥感反演过程而言，通过地表过程模型的时间演变和物理属性规律的一致性约束，融入多源遥感数据和先验知识，实现遥感反演的时间过程扩展，提高地表参数的反演精度；最终获得具有时空一致性、物理一致性和高可开度的数据集。
***以上内容参考《遥感应用分析原理与方法》 赵英时 第二版