基于 MODIS 与 AMSR-E 仪器海量海表温度数据的时空数据融合
统计方法学
2019-06-10 v2 应用统计
统计计算
摘要
遥感数据已被广泛用于研究各种地球物理过程。随着遥感技术的进步，海量遥感数据在时空中被持续采集。不同卫星仪器通常具有不同的足迹、测量误差特征与数据覆盖范围。为融合来自不同卫星仪器的数据集，我们提出一种动态融合高斯过程（DFGP）模型，能够在数据融合背景下对海量时空数据集进行滤波与平滑等快速统计推断。基于时空随机效应模型，DFGP 方法以两部分表示潜在真实过程：其一为少量基函数的线性组合与具有一般协方差矩阵的随机系数，其二为大量基函数的线性组合与马尔可夫随机系数。为以不同空间分辨率建模潜在地球物理过程，我们依托支持度变换性质，该性质亦使 DFGP 模型中的计算高效可行。为估计模型参数，我们设计了一种计算高效的随机期望最大化（SEM）算法以保障其对海量数据集的可扩展性。该 DFGP 模型被应用于 2010 年某周热带太平洋中来自 MODIS 与 AMSR-E 仪器的共计 370 万条海表温度数据集。
引用
@article{arxiv.1809.04389,
title = {Spatio-Temporal Data Fusion for Massive Sea Surface Temperature Data from MODIS and AMSR-E Instruments},
author = {Pulong Ma and Emily L. Kang},
journal= {arXiv preprint arXiv:1809.04389},
year = {2019}
}
备注
Accepted in Environmetrics