最新刊期
-
摘要：机载干涉合成孔径雷达InSAR（Interferometric SAR）在地形测绘与形变监测中具有重要应用。然而，当干涉相位中存在高条纹密度、低相干性或残差点密集等复杂情况时，基于传统加权方法的相位解缠算法仍易引发解缠误差大和解缠误差传播问题。针对上述不足，本文提出一种面向机载InSAR的多特征融合加权相位解缠方法，将SAR影像特征与干涉相位特征统一纳入权重建模框架。该方法通过对多源特征进行归一化表征，并结合不同区域的干涉相位结构与散射特性，自适应调控权重分配策略。同时，在迭代重加权最小二乘相位解缠框架下引入迭代方向权重，使权重能够随解缠过程动态更新，从而增强解缠过程的稳定性。基于机载InSAR实测数据的实验结果表明：所提方法在复杂干涉场景下能够有效提升相位解缠结果的连续性与鲁棒性。关键词：机载InSAR;相位解缠;相干性;多特征融合;干涉相位;范数优化;迭代重加权方法0|0|0更新时间：2026-04-21 -
摘要：2025年7月底，受罕见连续性暴雨影响，内蒙古土默川平原遭遇流域性洪水与哈素海退水渠决口的叠加冲击，对当地农业生产与基础设施造成了严重损害。针对灾后应急监测与灾情应对的迫切需求，提出一种融合水体综合指数与形态学处理的多时相Sentinel-2影像精细化水体识别方法，实现了水体信息的高效自动化提取，进一步引入历史水体频率数据建立基准水体分布，精准分离洪水淹没范围。结果表明，洪水识别总体分类精度达到97.4%，优于Sentinel-1最优阈值分割结果的92.8%。时间序列分析表明洪水淹没范围于8月25日前后扩张至峰值，总水体面积达880.01 km²，约为2024年正常水体面积的2.2倍，此后退水过程缓慢，一个月后淹没面积仅减少约53%。灾情评估结果显示，农作物中玉米受灾最为严重，受淹面积达192.6 km²，其中39.4%的区域积水持续超过30天。结合动态时间规整与K均值算法构建DTW-KMeans模型对玉米NDVI时间序列进行聚类分析，揭示作物恢复情况并评估产量损失风险，其中高风险区面积达238.9 km²，超过两周淹没可能导致植株倒伏甚至死亡，反映玉米在洪涝胁迫下的高敏感性与适应能力不足。研究结果可为干旱区极端水文事件的快速识别、灾后评估及农业风险管理提供有力技术支撑。关键词：遥感;洪涝灾害;洪水自动识别;作物异常监测;时序分析104|71|0更新时间：2026-03-27 -
摘要：土壤水分是地球系统多圈层能量交换的关键调控因子。主、被动微波信号对土壤水分具有不同的响应机制，能够提供互补信息，如何将两者有效融合得到精度和时空覆盖度更高的土壤水分产品是当前研究的前沿和难点。近年来，数学误差度量方法因能在满足一定假设条件下获取产品相对于真值的误差指标，具备应用于主被动土壤水分产品融合的巨大潜力。然而目前鲜有研究对比这些方法结合不同的融合算法在融合产品精度上的优劣和差异。为弥补上述不足，本研究采用三种数学误差度量方法包括扩展的三重配置法（ETC）、双工具变量法（IVd）和三角帽法（TCH），在全球尺度对被动微波SMAP及主动微波ASCAT土壤水分产品进行评估，揭示其精度空间分布规律；在此基础上采用三种主流融合算法（最小化随机误差方差法、最大化相关系数法和最大化信噪比法）生成土壤水分融合产品，系统分析不同数学误差度量方法对融合算法性能的影响。结果表明：1）所有融合产品时空覆盖度提升明显，其中TCH结合最小化随机误差方差法在除相关系数R以外的各项精度指标（包括无偏均方根误差、均方根误差和偏差）均优于原始单一的主、被动产品；2）多数融合产品表现优于ASCAT产品，与SMAP精度相近；3）除了基于IVd的最大化信噪比法以外，基于TCH的融合方法整体优于ETC和IVd方法。本研究揭示了不同的数学误差度量方法对融合产品性能的影响，为主被动微波土壤水分产品融合提供了理论依据与方法支撑。关键词：土壤水分;融合算法;精度评估;微波遥感;全球尺度;最小化随机误差方差法;最大化相关系数法;最大化信噪比法85|93|0更新时间：2026-03-26 -
摘要：田块尺度作物长势的实时监测是精准农业的关键。然而，卫星遥感监测范围广但易受天气与空间分辨率制约，无人机（unmanned aerial vehicle， UAV）空间分辨率高但受续航限制，单一数据源难以满足大范围连续监测的需求。针对此问题，本研究基于UAV、Sentinel-2与PlanetScope SuperDove多光谱数据，提出一种基于改进CACAO算法的跨平台时空融合方法。该方法构建了“UAV+Sentinel-2”与“SuperDove+Sentinel-2+UAV”两种数据组合策略，并通过前向预测与后向更新两种模式，近实时地生成每日1米分辨率的归一化植被指数（NDVI）时间序列数据集。进一步采用留一法交叉验证（Leave-One-Out Cross-Validation， LOOCV），并与现有GLM-STF（基于广义线性模型的时空融合，Generalized Linear Model-based Spatiotemporal Fusion）算法进行对比，以评估融合结果的精度。结果表明：（1）不同平台的NDVI数据具有良好的一致性，Sentinel-2与SuperDove NDVI相关性达到0.97，无人机与卫星NDVI相关性超过0.75，满足数据融合的前提；（2）CACAO算法能够有效地重建水稻的物候动态，其中后向更新模式生成的NDVI时间序列更为平滑，且基于CACAO的两种数据组合策略均获得了较高的精度（R > 0.94），在关键物候期引入高时间分辨率的SuperDove数据能在一定程度上提升精度，相关性从0.51提升至0.67；（3）CACAO算法在整个生长季中表现出比GLM-STF算法更稳定和略高的精度优势。综上所述，本研究提出的跨平台融合框架能够有效生成连续、高精度的田块尺度水稻NDVI时间序列，可以为作物长势的精细化监测与精准化管理提供有力的技术支持。关键词：PlanetScope;哨兵二号（Sentinel-2）;时空数据融合;长势监测;精准农业;田块尺度;物候曲线;近实时监测240|373|0更新时间：2026-03-17 -
摘要：颗粒有机碳（Particulate Organic Carbon，POC）是内陆水体碳库中的重要组成部分，影响水体有机碳的迁移转化和温室气体排放等，在全球碳循环和气候变化中具有重要的意义。由于POC来源组成的复杂性，使得已有的POC遥感反演算法的精度和普适性相对较低。本研究以长江干流中下游区域和太湖作为研究区，利用了生物地球化学来源示踪方法，解析了POC的端元贡献，构建了内源POC比例的遥感反射率三波段比值估算模型，并通过POC内外源比例将水体分为两类，即以内源和陆源POC为主导的水体；针对两种类型水体，分别构建了基于浮游植物吸收系数（aph（674））和非色素颗粒物吸收系数（anap（443））的POC浓度半分析反演模型。结果表明利用aph（674）和anap（443）可以估算内源和陆源POC浓度，算法精度与普适性较好，RMSE为1.322 mg/L，MB为-0.177 mg/L，MAPE为29.380%。本研究阐述了遥感与生物地球化学技术协同反演POC的可能性和优势，为后续遥感监测内陆水体提供了新思路。关键词：内陆水体;颗粒有机碳;同位素示踪;正构烷烃;半分析模型131|107|0更新时间：2026-03-13 -
摘要：可见光图像和合成孔径雷达（SAR）图像是卫星遥感在城市规划、防灾减灾与国家安全等领域中的主要数据源。特征提取作为连接遥感图像与高层应用的关键桥梁，其质量直接影响遥感智能解译在复杂场景下的效能。自传统手工特征提出以来，特征提取方法经历了从手工设计到数据驱动的深刻变革，尤其在深度学习推动下取得显著突破。然而，遥感数据标注成本高、专业性强，纯数据驱动的方法仍面临泛化能力不足、可解释差等挑战。为此，研究者提出“数据+知识”双驱动理论框架，通过数据驱动的感知能力和知识驱动的认知能力实现更高级别的智能。本文首先系统性回顾了可见光和SAR图像的传统特征提取方法及深度学习方法的进展，归纳了两类方法在特征提取中面临的挑战，并深入阐述了知识驱动的特征提取方法，将引导网络的知识归纳为视觉知识、地理空间知识和物理知识，探讨了知识引导网络的训练范式。最后，展望了特征提取的未来发展趋势，指出遥感大模型构建、数据与知识双驱动发展和前沿技术交叉融合式发展将成为重点研究方向。关键词：遥感智能解译;可见光图像;SAR图像;手工特征提取;深度特征提取;数据和知识双驱动84|834|0更新时间：2026-03-13 -
摘要：本文面向农作物倒伏“灾前-灾后”一体化监测需求，针对现有方法自动化水平低、缺乏时空协同机制及系统性框架等问题，提出了一种基于农作物生长标准曲线的倒伏常态化自动监测方法——StandardCurve-iForest-RF。该方法利用Sentinel-2时间序列数据，通过软动态时间规整（Soft-DTW）算法构建不受年度波动干扰的作物生长标准曲线，作为稳健的监测基准；结合孤立森林算法计算多特征异常得分累计值，并引入时空联合判定机制，有效识别真实倒伏事件，抑制因云噪声等导致的误判；最终实现从倒伏动态发现到范围精细检测的高度自动化流程。在黑龙江省大庆市肇源县薄荷台乡的倒伏案例中，该方法成功检测出2020年9月15日的倒伏事件，整体精度达80.36%，Kappa系数为0.60。结果表明，StandardCurve-iForest-RF方法具有自动化程度高、准确性好的优势，可为农业灾害监测与应急管理提供可靠的技术支持。关键词：作物倒伏监测;标准生长曲线;时序分析;时空联合检测;Sentinel-271|285|0更新时间：2026-03-13 -
摘要：由于单一机器学习算法无法充分挖掘数据中的潜在信息，本研究提出一种AST回归算法（AdaBoost–Stacking Tree-based，AST）以提高森林地上碳储量（Aboveground Carbon Stock， AGC）估测的稳定性和准确性。以云南省香格里拉地区的高山松为研究对象，采用森林资源二类调查数据和Landsat 8 OLI影像，构建融合遗传算法与CatBoost的特征选择方法（Genetic Algorithm and CatBoost， GAC），并与递归特征消除法（RFE）分别进行遥感变量筛选，采用Hyperopt超参数优化框架对各模型进行超参数调优，将四种单一机器学习回归模型即自适应提升（AdaBoost）、CatBoost、随机森林（RFR）、轻量级梯度提升（LightGBM）进行堆叠集成形成AST回归算法，该算法通过基学习器的均值融合与元学习器自适应加权实现模型优化；通过比较六种单一模型与AST集成模型的精度，采用最优模型进行高山松碳储量反演及结果的不确定性制图。结果表明：1）RFE筛选出9个变量，GAC筛选出7个变量，其中GAC筛选出的7个变量对高山松AGC反演精度贡献更大；2）基于Hyperopt 对各模型的超参数进行迭代调优，发现GAC筛选出的最优特征子集与AST算法结合进行回归拟合时获得了最优的估测精度，其决定系数R²=0.885，均方根误差RMSE=8.321 t/hm²，预测精度P=86.4%；3）基于最优估测模型反演得到香格里拉市2016年高山松地上碳储量为770.953万t，平均碳密度为40.015 t/hm²。综上，AST算法在多次交叉验证下展现出更高的稳定性与抗干扰能力，为区域尺度森林碳储量反演提供了新的思路与技术支撑。关键词：碳储量;Hyperopt超参数调优;机器学习;AST;高山松;GAC;遥感反演;不确定性分析76|284|0更新时间：2026-03-13 -
摘要：2024年第11号台风“摩羯”在菲律宾以东海域生成后向西北方向移动，在南海海域迅速增强为超强台风等级，给珠江三角洲地区带来严重风雨与洪涝灾害。本文基于多源合成孔径雷达（Synthetic Aperture Radar， SAR）星载卫星多时相观测数据，利用500米分辨率海面风场反演产品，经过陆地掩膜、噪声滤除、扇贝效应去除及台风中心定位等处理，提取分析台风“摩羯”演变过程中的风场精细结构参数。结果表明，“摩羯”在快速增强阶段最大风速和风圈半径均显著增大，风场结构不对称性增强，在达到超强台风后保持稳定。基于二维傅立叶变换的谱分析发现，SAR海面风场能够清晰呈现台风边界层千米尺度滚涡结构，其方向与台风外围切变场基本一致，波长集中在2–3公里，且其分布不随台风强度变化而显著改变，与当前滚涡形成及维持主要受局地风切变不稳定动力影响的认识一致。虽然本文研究数据样本有限，但初步证实了SAR在揭示台风海面风场精细结构及边界层千米尺度过程方面的巨大潜力，为后续开展多台风案例大数据统计，深入理解台风不同强度阶段的海气相互作用动力机制提供重要参考。关键词：合成孔径雷达;台风“摩羯”;风场结构;风圈半径;不对称性;边界层滚涡73|258|0更新时间：2026-03-13 -
摘要：层析合成孔径雷达（Tomographic Synthetic Aperture Radar，TomoSAR）通过配准多基线观测数据并在高程方向上进行孔径合成，能够克服传统合成孔径雷达（Synthetic Aperture Radar，SAR）仅在方位向合成孔径而导致的高程信息缺失以及叠掩问题，实现目标的三维高分辨率成像，从而可用于森林生物量、冰川内部结构与建筑物高度等应用场景的反演。本文从TomoSAR的成像模型出发，系统梳理了层析高度反演算法的发展脉络：涵盖傅里叶变换、非参数化谱估计、参数化谱估计、压缩感知与深度学习算法，并对各类代表性算法的原理与实现过程进行了详尽对比分析。基于实测数据的典型反演结果，进一步对比分析了不同算法在稳健性、普适性与适用条件等方面的优势与局限。最后，文章总结了当前TomoSAR在基线分布与数据稀疏性、多散射体分离以及复杂散射机制等方面面临的主要挑战，提出了TomoSAR未来的研究方向，并对其应用前景进行了展望。关键词：TomoSAR;层析高度反演算法;谱估计算法;压缩感知;三维重建;基线分布91|88|0更新时间：2026-03-13 -
摘要：叶面积指数（Leaf Area Index， LAI）是表征作物冠层结构与长势的关键参数，利用遥感技术对其进行准确及时的监测对于田间水肥管理、粮食安全保障以及农业生产潜力评估等具有重要意义。红边作为指示叶片生理及冠层结构变化的敏感性光谱波段，已被多种中高分辨率（10-30 m）卫星传感器配置并广泛应用于作物参数反演，为进一步提升作物LAI反演精度提供了新的契机。然而，现有研究在红边波段应用于LAI反演的方式上存在较大差异，且由于研究区域的不同，如何有效利用红边波段提升LAI反演精度仍未明确。基于此，本研究以PROSAIL模型和机器学习算法结合的混合法为反演策略，利用包含三个红边波段的Sentinel-2影像和国家生态系统观测研究网络提供的全国主粮作物（水稻、小麦和玉米）地面LAI实测数据，通过优选机器学习模型及波段组合，构建了耦合红边波段特征的农作物LAI反演算法，并在不同场景下开展了系统评估。结果表明，多层感知机（MLPR）拟合LAI与多波段反射率的效果最佳，且红边波段的引入可有效提升LAI反演精度，其中联合引入红边1（RE1）和红边3（RE3）的反演效果最优（R2 = 0.784， RMSE = 0.826），与不加入红边波段的Z1组合（Green+Red+NIR+SWIR1+SWIR2）相比，R2提升了4.9%，RMSE降低了15.6%。同时，引入红边波段不仅可减少LAI反演的系统性偏差，而且在LAI中高值区间（4 < LAI < 5）有效地缓解了饱和效应的影响（|Bias|和RMSE分别下降了52.2%和41.4%）。此外，不同作物对红边信息的响应存在差异，引入RE1和RE3后，玉米LAI反演精度提升最为显著（R2提升17.9%，RMSE降低29.1%）。本研究通过耦合红边波段所构建的反演算法，可显著提升不同作物类型LAI反演精度，为大尺度、长时序农作物长势精准监测提供了重要技术支撑。关键词：农作物叶面积指数;红边波段;Prosail模型;机器学习;波段优选110|106|0更新时间：2026-03-13 -
摘要：大气延迟是合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，InSAR）的主要误差源之一，对其进行高精度改正是提升InSAR应用可靠性的关键。基于外部数据（如成像光谱仪、气象模型产品等）进行InSAR大气改正是当前应用最为广泛的技术手段。在我国第一代全球大气和陆面再分析产品（China’s First Generation Global Atmosphere and Land Reanalysis Product，CRA）基础上，新一代中国全球大气再分析产品（China Meteorological Administration Global Atmospheric Reanalysis Version 1.5，CMA-RA V1.5，简称CRA1.5）提供了逐小时更新、水平分辨率达10 km、覆盖1979年至今的全球三维大气参数。本文首次将CRA1.5产品应用于InSAR大气延迟误差改正，并对其性能进行系统性评估。首先采用分层积分方法对再分析数据中的位势高度、温度及比湿参数进行高分辨率垂直插值，精确估计天顶对流层延迟；进而结合迭代对流层分解模型，将离散对流层延迟插值为空间连续延迟场，用于改正干涉相位中的大气信号。在中国山东省与美国加利福尼亚州两个研究区，利用2021-2023年哨兵一号卫星数据，生成共870幅干涉图，从相位统计量、空间结构与地形相关性等多个维度构建综合评估体系，全面检验了CRA1.5的改正性能，并与广泛应用的第五代欧洲中期天气预报中心气候再分析数据（Fifth Generation ECMWF Atmospheric Reanalysis of the Global Climate，ERA5）和通用型卫星雷达大气改正系统（Generic Atmospheric Correction Online Service for InSAR，GACOS）进行了对比。结果表明，CRA1.5可显著降低干涉图相位标准差（两个研究区内平均降幅超过30%），有效抑制长波大气信号及高程相关误差，综合性能与ERA5和GACOS相当。CRA1.5具备优良的时空一致性与可靠性，能够有效削弱InSAR大气延迟误差，为我国发展自主可控的高精度大气改正技术提供了重要数据支撑，对推动国产再分析资料在遥感定量化应用方面具有重要意义。关键词：InSAR;对流层延迟;大气改正;CRA1.5;统计评估;相位标准差;空间结构函数117|135|0更新时间：2026-03-13 -
摘要：木质和叶部结构的有效区分，是准确估算树木关键结构参数和精确反演生物量的重要基础。激光雷达为树木结构参数与地上生物量的非破坏性估算提供了新的技术支撑。然而，当前单木组件分割算法对不同树种的泛化能力有限，细小枝干分割能力不足。因此，本文构建了一个包含713棵单木且树种丰富的大尺度单木组件分割数据集，同时引入高性能的Point Transformer-V3深度学习网络来获取可靠的分割结果。此外，本文通过构建单木点云的先验几何特征（显著性差异指标、主成分指标和垂直度指标），来优化深度学习网络在单木点云上的分割性能，并与当前主流的几种深度学习算法进行比较。研究结果表明，引入构建的先验几何特征的Point Transformer-V3网络进行多树种单木组件分割的OA、mAcc与mIoU分别达到了0.946、0.872和0.806，即使是深入树冠较小尺度的精细分支也能实现一定提取，且其在几何形态结构差异较大的不同树种单木上也表现出较高适用性。最后，通过消融实验表明在训练时引入单木先验几何特征能较好促进网络分割效果。因此，通过本论文研究可以进一步促进深度学习在单木组件分割中的应用，为树木结构参数精确估算提供技术支撑。关键词：单木组件;激光点云;语义分割;先验特征;深度学习;木叶分离;枝干提取;序列化注意力机制39|86|0更新时间：2026-03-13 -
摘要：准确估算叶片叶绿素含量（Leaf Chlorophyll Content，LCC）对作物生理监测和精准农业管理具有重要意义。然而，传统基于可见光-近红外冠层反射率的植被指数（Vegetation Index，VI）在LCC反演中面临诸多挑战：其一，LCC与冠层结构信号混淆，导致光谱响应中目标信息与结构噪声高度耦合；其二，不同作物类型间的冠层结构异质性进一步加剧了VIs对结构参数的敏感性差异，显著限制了模型的跨作物泛化能力及应用范围。针对上述问题，本研究提出一种遥感机理与深度学习双驱动的LCC反演框架，旨在削弱冠层结构影响并提升模型在不同主粮作物间的适应性。该方法首先基于PROSAIL辐射传输模型模拟多种叶面积指数（Leaf Area Index，LAI）与LCC组合，构建低LAI敏感性的植被指数比值特征集（Vegetation Index Ratio Feature Set，VIRFS）；随后结合主动学习策略，优化迁移学习中目标区域样本的选择过程，在有限标注样本下实现高效模型微调。模型在中国东北（玉米、水稻、大豆）、黄淮平原（小麦）和长江流域（水稻）三大农业区的主粮作物数据集上进行了系统验证。结果表明：（1）本文提出的混合方法在异地主粮作物LCC反演中表现出色，模型在不同主粮作物场景下R2稳定高于0.69，RMSE低于4.77 μg/cm2。（2）相比传统植被指数特征集 （Vegetation Index Feature Set，VIFS），VIRFS在最优微调条件下可显著降低LAI敏感性，三个地区不同主粮作物的R2提升0.18-0.23，RMSE降低1.85-2.51 μg/cm2。（3）融合主动学习的迁移学习策略在仅使用30%本地标注样本时，即可实现不同主粮作物的高精度LCC反演（R²=0.69-0.74，RMSE=4.98-5.76 μg/cm2），相较随机采样策略精度R2提升0.02-0.16，RMSE降低0.05-1.42 μg/cm2。综上所述，本研究构建的耦合物理规律与数据驱动的反演框架，能够显著提升主粮作物LCC反演的精度与鲁棒性，为多区域、多作物LCC的无损监测提供了普适性解决方案，并有望在农业管理和作物营养诊断中发挥重要作用。关键词：叶片叶绿素含量;无人机多光谱遥感;冠层结构异质性;植被指数比值特征;迁移学习;主动学习58|252|0更新时间：2026-03-13 -
摘要：固定冰附着于极地地区海岸线，通过参与海气通量交换与辐射传输等方式影响极地气候。随着气候变化加剧以及极地沿海地区商业活动的增加，利用遥感数据稳定、常规地识别和提取固定冰范围的重要性日益突出，SAR影像为固定冰的监测与分析提供了可靠的数据源。本研究选取格陵兰岛梅尔维尔湾、乔克尔湾、南极阿蒙森海岸和班扎雷海岸四个典型固定冰分布区域开展分析，涵盖北极航道通行节点与南极冰架前沿等关键区域，具备极地航运保障、科学考察支持及气候变化响应监测等多重应用需求。研究利用Sentinel-1 SAR影像分解为前视与后视子孔径影像，经干涉处理生成子孔径自相干影像，结合Otsu相干性阈值分割与连通分量分析提取固定冰，实现了基于单景SAR影像的固定冰识别。使用与SAR影像成像时间间隔小于1天的无云光学影像进行精度验证，结果表明四个研究区域的平均总体准确率为96.84%， Kappa系数为0.9338，F1值为0.9666，交并比为96.28%。评估结果表明，该方法在本研究的四个不同固定冰分布区域均取得较高的总体准确率和Kappa系数，表明了其在不同区域条件下的稳定性与适用性。关键词：极地遥感;固定冰;海冰;SAR相干性;子孔径自相干;Sentinel-1;TOPS;InSAR41|119|0更新时间：2026-03-13 -
摘要：水文连通性的变化对水生生态系统的结构与功能、生物多样性的维持以及与水资源相关的人类生产与生活活动均有极其深远的影响。与此同时，人类筑堤建坝、围垦造田等对自然水系的改造，使得众多平原湖区的水文连通性发生了显著变化。因此，探索科学有效的水文连通性量化方法，分析其变化过程及其潜在的生态环境影响具有重要意义。基于地统计学的连通度函数可有效表征水文连通性及变化过程，然而该连通度函数值会随统计窗口变化而改变，无法获得客观可对比的水文连通性值。本研究在此基础上，基于遥感的水体提取结果提出了最优尺度下的连接频率方法，综合考虑不同区域的水体尺度特征，以最优尺度为基准计算多个区域的水文连通性时序变化过程，实现了跨区域的水文连通性变化对比分析。对1984年-2021年七个不同时期长江中下游平原的水文连通性进行测试计算，结果显示鄱阳湖、洞庭湖及长江下游干流平原区的水文连通性呈急剧下降趋势，太湖流域和长江中游干流平原区的变化相对平稳，而汉江流域平原区的连通性则总体呈现上升趋势。通过与景观生态学相关的连通性指数计算结果对比，表明该方法可有效表征水体斑块间及斑块内两类连通性，具有独特的应用价值。关键词：最优尺度;水文连通性;地统计学;遥感;长江中下游平原54|87|0更新时间：2026-03-12 -
多源森林生物量数据的年际变化一致性分析 AI导读
摘要：当前全球森林地上生物量产品逐渐丰富，但各产品之间存在较大的时空不一致性，不同产品揭示的全球碳储量和碳汇存在巨大差异。为此，收集了多源森林地上生物量遥感产品（CCI、JPL等）、模型模拟数据（NBP、cVeg）和地面观测验证数据，从空间一致性、年际变化趋势分析和地面验证三个维度，系统评估了这些森林地上生物量产品在全球尺度的年际变化一致性。结果表明：（1）不同遥感产品在空间一致性表现差异显著，基于GEDI和ICESat-2的单期产品空间一致性较高（ -
摘要：植被干旱遥感监测是遥感应用的重要议题，受亚热带复杂地形地貌与茂密植被影响，该区植被干旱遥感准确监测困难。本文基于改进的多光谱植被指数和地表温度构建特征空间，设计了植被干旱响应（Vegetation Drought Response， VDR）模块，来描述亚热带植被对干旱的波动响应时空特征。顾及干旱胁迫时植被与土壤湿度相互作用的动态过程，识别了植被干旱过程（Vegetation Drought Process， VDP），定义了植被干旱阈值（Vegetation Drought Threshold， VDT），以此界定植被干旱边界。联合VDR、VDP与VDT，构建了基于植被干旱过程认知的植被干旱模型（Process-Cognizant Vegetation Drought Model， PCVDM），实现了亚热带植被干旱的准确识别。以湘赣地区为例，获取2000—2023年夏季基于PCVDM模型的植被干旱监测结果，并结合海拔高度与地层岩性特征开展分析。结果表明：植被在相对较高海拔地区，持续升温刺激了林木生长发育；而在相对较低海拔地区，受地层岩石/坡体持水性差异及持续升温导致地表蒸散率上升的综合影响，虽呈现“变绿”趋势，实则处于强烈干旱胁迫之中，即植被整体不断变绿的同时，其干旱也在不断增强。本文成果对亚热带植被干旱监测识别与碳汇研究有参考价值。关键词：亚热带遥感;植被干旱监测;过程认知;植被干旱模型;Mann-Kendall检验;湘赣地区46|98|0更新时间：2026-03-12 -
摘要：合成孔径雷达干涉测量（InSAR）作为重要的对地观测技术，凭借大范围覆盖、毫米级精度和长时序监测等优势，已在城市地表沉降、矿区开采、地质灾害等地表形变监测领域得到广泛应用，并逐步拓展至交通基础设施监测。道路、铁路、桥梁与机场等交通设施具有分布广泛、线性狭长、动态性强及运行环境复杂等特征，这对传统监测手段提出了更高要求，而InSAR技术为其提供了新的解决途径。本文以InSAR在交通基础设施监测中的应用研究为主线，系统梳理了研究进展与发展脉络。首先，从现有研究成果出发，综述了InSAR在道路、铁路、桥梁和机场等不同类型交通基础设施监测中的典型应用，验证了其在地表沉降监测、形变识别及结构安全评估中的潜力。其次，结合交通基础设施场景的特殊性，归纳了当前InSAR应用中存在的主要问题，包括因弱散射目标导致的相干性不足、桥梁等设施的空间非连续形变引起的相位解缠误差，以及大气湍流对毫米级监测精度的严重干扰等。围绕上述问题，研究者提出了多种改进思路，如相位优化、局部解算与外部约束结合、大气延迟建模与多源辅助数据融合等，这些方法在一定程度上提升了监测结果的可靠性与适用性。最后，结合作者团队在不同类型交通基础设施监测中的典型应用案例，展示了时序InSAR技术在该领域的应用潜力，并进一步探讨了未来的发展方向。总体而言，InSAR技术在交通基础设施监测中已展现出广阔前景，但其方法与应用仍需不断完善，以更好地支撑交通安全管理与风险防控。关键词：InSAR;交通基础设施;形变监测;道路沉降;桥梁监测;机场沉降148|637|0更新时间：2026-03-12 -
摘要：针对2015年深圳光明区（红坳堆土场）特大滑坡事故，现有研究主要使用光学影像、现场调查以及数值仿真等方法进行事后原因分析，然而，此前研究均未能获取滑坡前后的地表变化过程。本研究采用Cosmo-SkyMed雷达卫星影像对红坳堆土场进行时序监测，联合小基线雷达干涉测量技术（SBAS-InSAR）、阴影恢复三维雷达干涉测量技术（SAR-SFS）以及深度积分连续介质模型等技术，对2013~2016年红坳堆土场滑坡前后的地表形变开展了时序分析以及数值仿真研究。首先获取了滑坡前后的地表沉降速率分布和时序曲线，发现地表形变速率范围约为［-40.7， 64.3］mm/yr，沉降主要分布在S9区域滑坡后缘。在此基础上，对事故现场进行数值仿真建模，使用SAR-SFS DEM减少地形误差，并通过多时期DEM增量和InSAR形变趋势对比还原滑前蠕变过程，将DEM作为原始地貌输入，通过深度积分连续介质模型和库伦模型计算坡面，并模拟了高速远程滑坡过程中的流体状态。结果表明，当孔隙水压力系数 λ为0.6时，最贴合现场滑坡情况，其滑带面以上的滑体体积约3.60×106m3，最大填土厚度62.7m。滑坡体具有很强的流动性，滑坡在前50秒完成主滑，且后续仍有余滑持续，产生碰撞动量44000kg·m/s，远超人员和建筑安全阈值，导致了灾难性后果。本研究从雷达遥感和数值仿真双视角揭示了深圳光明红坳堆土场的滑坡机理，表明超量堆填与孔隙水压力变化是滑坡灾害发生的主因，对于进一步了解堆土场滑坡的孕灾-灾变过程，尤其对滑前蠕变及影响因素的分析研究具有重要价值。关键词：光明滑坡;SBAS-InSAR;时序形变;数值仿真;滑前蠕变;滑坡机理;风险分析75|95|0更新时间：2026-03-12
- 地址：北京市海淀区北四环西路19号 《遥感学报》编辑部 邮编：100190
- 联系电话：010-58887052 Email：nrsb@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备20021838号-9
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0