数据融合与同化方法:2022

不同采集方法和分辨率的遥感数据的可用性促进了不同数据融合技术的发展。在过去的几十年里，科学家们取得了非凡的成就，在数据融合和同化这个非常动态的领域取得了重大进展。本研究主题是“方法系列”的一部分，旨在突出最新的实验技术和方法，用于调查数据融合和同化的所有研究和发展领域的基本问题-从统计分析到基于机器学习的方法，包括传统应用和基于深度学习的模型。

欢迎评论有关方法或应用的文章或意见，包括每种方法的优点和局限性。本主题包括有助于促进科学发展的技术和最新方法。对本合集的贡献将接受同行评审。新颖性可能不同，但方法或协议的实用性必须是明显的。我们欢迎涵盖数据融合和分析各个方面的贡献。

本研究课题欢迎:

•方法:描述为特定目的而显著改进或适应的新方法或现有方法。这些手稿可能包括初级(原始)资料。

协议:详细的描述，包括陷阱和故障排除，使那些可能评估或使用技术的人受益。协议必须被证明有效。

•与数据融合和同化研究相关的方法和协议的观点或一般评论。

•专题方法和协议的评论和迷你评论，强调该领域的重要未来方向。

•简要研究报告:基于最先进的数据融合和分析研究，简要描述原始研究的重要或初步数据。这些论文可能引发与现有工作相关的进一步潜在研究。

关键字:数据融合与同化，遥感，方法论文

重要提示:所有对本研究主题的贡献必须在其所提交的章节和期刊的范围内，如其使命声明中所定义的那样。雷竞技rebat在同行评审的任何阶段，Frontiers保留将超出范围的稿件引导到更合适的章节或期刊的权利。