1 引言

遥感技术的不断发展,特别是传感器技术发展使得数据源极大的丰富,时间、空间、光谱以及极化方式不同的数据源的产生,但是一种数据源的信息量毕竟有限,所以多源遥感数据融合技术随之发展。 近年来为了实现大范围、高精度、快速变化的地表信息遥感监测，需要高时空分辨率的遥感数据。为满足大范围、高精度、快速变化的地表信息遥感监测对高时空分辨率遥感数据的需求，解决目前卫星遥感数据获取能力不足的问题，一些学者提出了一种能够综合低空间分辨率遥感数据的高时间分辨率特征和中、高空间分辨率遥感数据的低时间分辨率特征的技术，即多源遥感数据时空融合技术。[1]

随着遥感科学的迅速发展，遥感技术在各个领域应用不断深入，尤其在区域尺度的农业监测、作物估产、干旱监测和水文研究等研究中发挥着重要作用。 多空间分辨率、多时间分辨率和多光谱分辨率的综合对地观测体系已经形成，为各个领域的遥感监测提供了宝贵的数据资源。目前，常用到的遥感数据包括Landsat5 TM、ASTEＲ 和MODIS 等，MODIS数据具有较高的时间分辨率，在作物长势监测中具有优势，但空间分辨率较低，不适于地块尺度的农田监测测等应用。TM 和ASTEＲ数据的空间分辨率较高，在农田区域应用广泛，但是该数据的时间分辨率低，易受云雨天气的影响，不利于长时间序列的作物长势监测。综上所述，单一传感器并不能满足高时空分辨率的观测需求。如何融合多源遥感数据发挥各自分辨率的优势，具有重要的理论意义和应用价值。[2]

2 研究背景

遥感是在不直接接触的情况下,对目标物或自然现象远距离感知的一门探测技术。通过对目标进行探测,获取目标的信息,然后对所获取的信息进行加工处理,从而实现对目标定位、定性或定量的描述。[3]

数据融合的概念产生于20世纪70年代初期，但其理论方法研究则是20世纪80年代以后才开始(张永生等，2005)，并取得了快速发展，迄今仍是各应用领域的研究热点。为了增强军事研究人员之间的交流，美国国防部门JPL (Joint Directors of Laboratories)于1986年成立数据融合工作组，并编纂完成数据融合词典（Lexicon，1991；Kessler 等，1992)。在学术领域，尽管在20世纪80年代初期就已经开始了数据融合的研究，但到90年代初才开始有相对正式的定义。Mangolini(1994)、Hall和Llinas(1997)、Pohl和Van Genderen等人(1998)分别对数据融合给出了不同的定义。其中，Pohl和Genderen的定义比较典型，他们认为影像融合就是利用某种算法，将两幅或多幅影像组合成一幅新影像的技术。该定义十分贴近人们对数据融合的传统认识，但属于狭义的数据融合，因为生成新影像并不是影像融合的唯一目标，也可能是为了获取更精确的特征信息、更高的地物识别精度等。Wald(1999)在遥感领域顶级期刊IEEE地学与遥感汇刊，以批判的态度专门对数据融合的定义进行了讨论，并给出了所推崇的新定义，但也并没有得到学术界积极响应。中国学者李军(1999)、贾永红(2005)、赵书河(2008)等人也分别对遥感数据融合给出了不同的诠释。著名数据融合专家Alparone等人(2015)在最新出版的融合专著中，认为遥感数据融合的目标是针对某种调查现象，协同组合两个或更多影像数据，以获取比单一影像更多的知识。[4]

随着对地观测技术的发展，大量遥感卫星源源不断地发射，对地遥感已经进入了多平台、多传感器、多角度观测的发展阶段。新型传感器以及对地观测传感网等新技术的发展，使得高空间分辨率、高时间分辨率、高光谱分辨率的遥感获取能力进一步提升，为资源调查、环境监测、建设规划、军事侦查等应用提供了十分丰富的数据源。然而，由于成像指标之间相互制约，单一遥感系统观测的地表信息往往并不全面。

如何在这些不同方式获取的兼顾互补性和冗余性的数据中提取更加有用的数据,是一个迫切需要解决的问题。因此,为了充分利用和开发越来越复杂的多源影像数据,遥感影像融合技术应运而生。遥感影像数据融合是一个正在兴起,并有着广泛发展前景的研究领域,强调的是多源信息的组合和优化。它的主要思想就是应用一定的图像处理的算法,把来源于不同遥感传感器的、不同时间的、在空间或时间上冗余或互补的各种影像传感器对同一个场景成像的多个影像的信息按照一定的规则进行处理,使之融合成一个新的影像。对于增强遥感影像的清晰度和解译能力、提高目标识别的精确度和地物分类的可靠性等遥感应用方面都有着重要的现实意义。[5]