|
基本信息Personal Information
教授（特聘） 博士生导师 硕士生导师
主要任职 : 灾害遥感实验室负责人、遥感智能信息处理研究所所长、党支部书记
其他任职 : 中国地理学会综合减灾专委会委员、JAMC期刊副编辑、国家科技专家库专家、英国生态学学会（BES）评审专家等
曾获荣誉 : 优秀研究生导师、Remote Sensing of Environment突出审稿贡献、中国气象服务协会气象科技创新奖二等奖、中国水运建设行业协会科技进步二等奖
性别 : 男
出生年月 : 1989年07月08日
毕业院校 : 武汉大学
学历 : 博士研究生
学位 : 理学博士学位
在职信息 : 在职
所在单位 : 国家地理信息系统工程技术研究中心；地理与信息工程学院
学科 : 地理信息科学 遥感科学与技术
办公地点 : 未来城校区地理与信息工程学院423
联系方式 : zhangxiang76@cug.edu.cn
Email :
数据融合论文发表于RSASE
发布时间 ： 2024-03-13 点击量 ：
研究动机：地理要素自身的时空自相关性能否提高数据智能融合精度？
论文内容：高分辨率、高时空连续性和高精度温度数据（3H Ta）对于理解全球气候变化和研究城市热条件至关重要。我们之前的研究表明，以深度学习模型为基础，以多源点面数据为输入构建的GRASPS方法可生成较高质量的3H Ta数据。然而，地理要素自身的时空自相关性能否提高数据智能融合精度？为此，本研究分析了地理时空因素对温度融合数据输入、基于深度学习的融合模型和融合后温度误差标定3个方面的影响。结果表明：将地理空间自相关因子纳入融合模型后，与不考虑时空因素的模型相比，RMSE和MAE分别降低了68%和73%。进一步使用地理时空差异分析（GSTDA）误差校正，结合时空因素补偿特定时间或地点的温度后，RMSE和MAE从0.75 °C降至0.64 °C–0.69 °C和0.58 °C，RMAE和MAE分别降低了9.37%和10.15%。近日，该论文“Considering geographical spatiotemporal attributes for seamless air temperature data fusion with high accuracy”发表于Remote Sensing Applications: Society and Environment期刊。