结合多个远程数据源的神经网络可以使救灾受益

在新兴的“数据融合”领域的一个例子中，研究人员开发了一种神经网络技术，将光学成像和合成孔径雷达连接到一个单一的综合数据源中。该方法比传统方法更有效地结合了各种信息。用于解释来自遥感(例如来自卫星或飞机)的信息的大多数当代技术都集中在单模态数据上——从单一数据收集源接收。此类解释技术很少充分利用多种来源(或“模式”)，因此无法利用互补数据，将这些数据结合起来，可以更全面地讲述所观察到的事物。

这方面的一个例子是卫星光学成像——许多从事遥感数据工作的科学家都熟悉的那种被动光束扫描——很少与合成孔径雷达或 SAR 配对。SAR 是一种雷达，它产生自己的能量，然后记录与地球相互作用后反射回来的能量。虽然光学图像类似于解释照片，但 SAR 数据需要不同的思维方式，因为信号对表面特征有反应。

至关重要的是，与光学成像不同，SAR 不会被具有挑战性的照明条件或云雾所打败。然而，它受到大量数据“噪声”和低纹理细节的影响，这意味着即使是训练有素的专家有时也难以解释输出。

因此，在过去十年左右的时间里，开始开发利用人工智能将光学成像和 SAR 等多种数据收集模式结合为单一综合源的努力。这种将来自不同模式或类型传感器的数据融合在一起通常称为“数据融合”。

这一新兴的创新领域有望彻底改变利用遥感的领域——如土地使用监测、污染预防和情报——通过将各种信息集比传统方法更快、更全面、更有能力地整合到一个单一来源中.

标签：