卡内基机载观测站 (CAO) 的建立是为了满足宏观测量的需求,以揭示地球生态系统的结构、功能和有机组成。2011 年,我们完成并启动了 CAO-2 下一代机载分类制图系统 (AToMS),其中包括高保真可见光至短波红外 (VSWIR) 成像光谱仪 (380 – 2510 nm)、双激光波形光检测和测距 (LiDAR) 扫描仪以及高空间分辨率可见光至近红外 (VNIR) 成像光谱仪 (365 – 1052 nm)。在这里,我们描述了如何使用硬件和软件协同对准和处理技术融合来自这些传感器的多个数据流。通过这些数据流,我们定量地证明了精确的数据融合极大地提高了从遥感中获得的生态信息的维度。我们比较了两个截然不同场景的数据维度——斯坦福大学的建筑环境和亚马逊低地热带森林。主成分分析显示,斯坦福案例中有 336 个维度(自由度),亚马逊案例中有 218 个维度。亚马逊案例呈现的遥感数据维度可能是有史以来森林生态系统的最高水平。模拟数据流错位使有效信息内容减少了 48%,凸显了在进行多传感器