| （一）文章信息 |
标题：A deep data fusion-based reconstruction of water index time series for intermittent rivers and ephemeral streams monitoring
期刊：《ISPRS》(中科院1区TOP, IF=10.6)
作者：Junyuan Fei, et al.
doi：10.1016/j.isprsjprs.2024.12.015
| （二）研究背景 |
| （三）研究数据与方法 |
（四）研究结果 |
| （五）研究结论 |
本研究提出的基于深度学习的DRIM方法，成功解决了在显著后向散射机制变化和图像匹配问题下的IRES MNDWI时间序列重建挑战。该方法通过紧密耦合的CNN-RNN架构，有效整合了Sentinel-1 SAR数据、锚定数据和辅助数据，实现了对IRES动态变化的高精度监测。研究结果表明，该方法在不同气候条件下的IRES监测中均表现出良好的适用性和准确性，为流域尺度的水资源管理和水文过程研究提供了重要的数据支持。未来的研究将进一步优化模型结构，提高计算效率，探索更多辅助数据的应用，增强模型在更大范围内的应用能力。
文章来源 ：
Fei, J., Zhang, X., Li, C., Hao, F., Guo, Y., & Fu, Y. (2025). A deep data fusion-based reconstruction of water index time series for intermittent rivers and ephemeral streams monitoring. ISPRS Journal of Photogrammetry and Remote Sensing, 220, 339-353.
免责声明 ：
本公众号发布的内容仅供学习交流使用，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系。
| 回复“1116获取全文！
【JAG好文推荐】基于Sentinel-1 SAR图像的极化与空间信息多尺度机器学习洪水映射方法
2024-12-05
【TGRS好文推荐】MGPACNet： 用于图像融合分类的多尺度几何先验感知跨模态网络
2024-12-04
【ISPRS好文推荐】PolyR-CNN：用于端到端多边形建筑物轮廓提取
2024-12-03
