作者:崔建勇,刘晓东,岳增友,李连伟 单位:科技部国家遥感中心;中国测绘科学研究院 出版:《遥感信息》2020年第03期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFYGXX2020030040 DOC编号:DOCYGXX2020030049 下载格式:PDF + Word/doc 文字可复制、可编辑
《多尺度动态模型单传感器动态系统分布式信息融合》PDF+DOC2001年第02期 文成林,周东华,潘泉,张洪才 《多传感器单模型多尺度平滑融合估计》PDF+DOC2001年第04期 侯玉华,张楠,文成林 《基于多尺度Kalman数据融合滤波》PDF+DOC2008年第01期 王鹏伟,吴秀清,孙福明 《基于小波变换和Kalman滤波的多传感器数据融合》PDF+DOC2006年第16期 刘素一,张海霞,罗维平 《多源降水数据融合研究及应用进展》PDF+DOC2018年第01期 潘旸,谷军霞,徐宾,沈艳,韩帅,师春香 《多传感器数据的处理及融合》PDF+DOC2018年第05期 陈英,胡艳霞,刘元宁,朱晓冬 《基于小波降噪的数据融合理论在升力反馈控制减摇鳍中的应用》PDF+DOC2009年第05期 梁燕华,金鸿章 《基于小波分析的惯性传感器信号实时处理方法》PDF+DOC2008年第02期 蒋行国,包启亮,杨文淑,吴琼雁 《多源遥感数据融合原理与模型结构及应用》PDF+DOC2007年第05期 袁传武,柯尊胜,陈双田,吴翠,王珠娜,崔鸿侠 《带乘性噪声系统的多尺度最优滤波融合算法》PDF+DOC2006年第03期 褚东升,赵爱美
  • 叶绿素α(chlorophyll-α)是一个关键的水色要素,掌握叶绿素α的含量及变化情况对保护水体及维护生态环境质量具有重要意义。针对国内外相关科研机构生产的海洋叶绿素α融合产品存在精度低、覆盖率低、时间跨度短等问题,收集整理了1998—2017年的MODIS-Aqua、MODIS-Terra、MERIS、SeaWIFS、VIIRS共5个传感器的叶绿素α浓度数据,构建了小波变换与Kalman滤波技术相结合的多源遥感数据融合算法,完成了全球叶绿素α数据的融合,开展了融合产品的均值、方差和信息量的分析,并进行了融合产品与实测数据、欧空局(European Space Agency,ESA)的GSM(Garver-Siegel-Maritorena)产品的对比分析。结果显示,本文的融合产品与实测数据相关性达到60%;与实测值和欧空局的GSM产品对比分析中,融合产品的数据可利用率为60%,而欧空局的GSM产品的数据可利用率为30%左右,融合产品与实测值的相关性为0.792 2,而GSM与实测值的相关性为0.349 4,均低于本文的融合产品。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。