多传感器数据和先进的人工智能(AI)算法在最近进步的指导组件环境系统。创新遥感(RS)和地理信息系统(GIS)技术结合计算机视觉也被快速的关键在广泛的地球观测数据收集和信息提取。特定字段,这些进步得益于包括森林库存和管理、自然灾害检测/预测、环境建模、特征提取和目标检测。

在最近一段时间,获得高质量的时间和光谱分辨率数据从视觉、多光谱、热和雷达/射频(RF),探地雷达(GPR)图像,等等,已经广泛使用,允许更大量的数据收集。融合来自不同数据源的数据在不同的决议可以提供更全面的代表一个给定的区域。对RS图像,融合发生在三个层面,即像素(即原始数据),功能和决策级。融合数据表示更有效的评估和决策任务而只使用单一来源。这使得更准确的评估和监测在地方、区域和全球尺度一旦所有的数据会自动和智能地分析。

基于这些进步和巨大的数据可用性,这个特殊的问题作为一个出口的同事们分享最近的创新,运用机器/深度学习算法和/或其他计算智能方法与多传感器融合数据。最初的研究和评论文章是受欢迎的。

潜在的主题包括但不限于以下:

• 多感官图像处理和计算机视觉
• 森林特征识别使用多光谱数据
• 多传感器融合
• 从多传感器数据特征提取
• 森林造型使用多传感器数据