最新刊期
-
摘要：随着空间信息技术、大数据模型和可持续城市研究的兴起，城市热环境遥感研究由最初重点关注热环境监测，逐渐转变为聚焦于人类对城市热环境时空变化的适应与调控研究。城市热环境遥感研究的内容和范式正在发生巨大而深刻的转变，本文基于文献计量方法，分析城市热环境遥感研究的现状和热点，梳理了近20年城市热环境的研究进展。通过总结当前研究存在的问题，指出城市热环境研究的未来发展趋势：（1）面向城市热环境的多温度参数反演与重建；（2）城市热暴露与城市结构、生态结构及社会发展模式的耦合关系；（3）面向公共健康的城市热环境适应；（4）气候变化背景下热暴露调控与健康风险管理。关键词：城市热环境;遥感监测;城市热浪;城市热岛;热暴露;高温健康风险1|0|0更新时间：2026-09-04 -
摘要：双季稻和再生稻作为中国亚热带季风区的重要栽培种植模式，明晰这两种稻作模式在未来气候变化条件下的适应性特征，对维护区域乃至全球粮食安全具有关键作用。然而，二者在气候变化背景下的相对气候优势仍缺乏系统认知。本研究利用遥感卫星和全球气象站观测数据生产的气候环境变量产品，结合两种稻作模式空间记录点数据，从12种常用的物种分布模型中筛选高性能模型，采用真实技能统计量加权平均集成多模型预测结果，系统评估了中国双季稻与再生稻当前及未来多种情景下的适宜性分布特征；通过真实技能统计量最大化阈值法划分适宜区边界，并在适宜区中按照等分概率范围划分不同适宜等级；通过比较两种稻作模式的适宜性等级，识别出再生稻适宜性等级高于双季稻适宜性等级的区域作为更适宜再生稻区域，以突出两种稻作模式适宜性在时空维度上的非对称演变特征。研究结果表明，在当前气候条件下，再生稻的适宜区域（137.91×10⁵ ha）显著广于双季稻（98.56×10⁵ ha）；但未来气候变化将驱动二者呈现时空维度上的非对称演变特征。在时间维度上，双季稻适宜面积在各排放情景下均呈持续扩张趋势，SSP585情景下至本世纪末增幅约27%；而再生稻表现为先扩展后缩减，其适宜面积在SSP585情景下至本世纪末相比当前缩减10.29×10⁵ ha。在空间维度上，双季稻适宜区呈现低纬度基本无收缩的单向北移拓展；而再生稻呈现低纬度大幅收缩与高纬度及西南高地扩张并存的特征。尽管气候变化会削弱再生稻相比双季稻的空间优势，但即使在SSP585情景下本世纪末其潜在优势区面积（24.59×105 ha）仍远高于当前种植规模（12.4×105 ha）。这种时空维度的非对称响应凸显了制定针对性适应策略以维持动态气候条件下粮食生产稳定的必要性。关键词：遥感应用;气候变化;适宜性;再生稻;双季稻;物种分布模型1|0|0更新时间：2026-09-04 -
摘要：研究以河北省张家口市为研究区，针对较大范围农村居住用地闲置风险识别在复杂地形与城乡混杂背景下存在的漏检率高、背景干扰强及利用状态判别不足等问题，提出融合地形约束与多源时序活力特征的深度学习与机器学习协同识别方法，通过在U-Net模型中融合DEM地形通道与注意力机制，实现复杂地形条件下农村居住用地的像元级提取后，结合建成区边界与夜间灯光特征去除城市像元，构建农村居住用地掩膜，进而融合SDGSAT-1微光夜间灯光与Sentinel-2多时相NDVI时序特征，构建表征人类活动衰减与植被增强的多源协同特征，并利用机器学习模型实现农村居住用地闲置状态的后验概率估计与空间风险分异表达。结果表明：改进U-Net模型在复杂地形背景下具有更高的居住用地分割精度，IoU达到0.8994；在闲置风险识别阶段，轻量梯度提升机（LightGBM）模型综合性能最优（AUC=0.874，F1=0.826），空间自相关分析显示闲置概率像元呈显著正向空间集聚特征（Global Moran’s I=0.842）。研究基于“农村居住用地闲置风险在遥感时序上表现为夜间灯光活力衰减与庭院植被增强并存的复合信号”特征，所构建的闲置风险识别方法，实现了区域尺度农村居住用地闲置的像元级识别与概率化风险表达，可为农村低效建设用地监测与土地整治优先区划定提供参考依据。关键词：农村居住用地;闲置风险;DEM地形约束;SDGSAT-1 微光衰减;NDVI时序植被特征增强;U-Net2|0|0更新时间：2026-09-04 -
摘要：大型浅水湖泊是区域水资源供给与生态安全的重要载体，其水质长期演变规律对流域治理与生态保护具有重要科学与实践意义。然而，该类湖泊具有高度易扰性与生态脆弱性，在高强度人类活动与持续治理共同作用下，其水质演变过程是否呈阶段性和非线性响应特征仍缺乏系统认识。为此，本研究以中国第五大淡水湖泊—巢湖为研究对象，选取能够综合表征水体光学特征与水质状态的水色指数FUI（Forel-Ule Index）作为切入点；基于2000-2024年MODIS长时序遥感数据，采用改进的高精度水色反演模型（验证精度MRE=1.38%，RMSE=3.32°）构建水色序列，系统揭示长期人为扰动背景下湖泊水色的时空演变特征及其驱动机制。结果显示，巢湖多年平均FUI为12-15级，整体呈现绿-黄色水体特征；空间上呈显著的“西高东低”梯度格局，主要受入湖污染负荷差异及湖体自净过程共同影响；季节水色呈“双峰式”波动，夏季最清澈（色度角α：208.74°）、秋季最浑浊（色度角α：214.23°），受气象因子节律性调控。长期趋势上，2000-2024年巢湖年均α总体呈上升趋势（0.15°/年），且东湖区增幅最为明显（0.26°/年）。Mann-Kendall与Pettitt检验共同识别出2014年为关键转折点，水色演变由2000-2014年的下降趋势（-0.13°/年）转变为2014-2024年的上升趋势（0.44°/年），呈现“先改善、后恶化”的阶段性特征。SHAP归因分析表明，人为活动因子对水色年际变化的贡献显著高于自然气候因子，是驱动巢湖长期变化的主导因素。总体而言，前期治理措施成效显著，但后期社会经济压力增速超过治理能力提升，导致“压力-响应”关系失衡；同时，引调水工程和极端气候事件进一步加剧了水色年际波动与短期恶化风险。研究结果揭示了大型浅水湖泊在长期人为扰动下水色演变的阶段性、非线性与空间异质性特征，可为巢湖及同类湖泊的水环境治理与长效调控提供科学依据。关键词：浅水湖泊;巢湖;水色指数;长时序遥感;人为扰动6|0|0更新时间：2026-09-04 -
摘要：随着高光谱成像技术的不断发展，高光谱图像因其高维度特性，在存储与传输方面面临严峻挑战，尤其是在星载应用场景下，对在轨高光谱数据的高效压缩提出了更为迫切的需求。近年来，结合深度学习的压缩感知方法受到广泛关注，但现有方法在压缩性能、重建质量以及计算复杂度之间仍难以实现有效平衡。因此，本文提出了一种基于Mamba状态空间选择机制与二阶段量化编码的高光谱图像压缩感知网络（Mamba-CSNet）。该网络通过引入融合CNN与Mamba的特征增强模块，利用Mamba线性复杂度的状态更新机制，在保持低计算复杂度的情况下，提升对高光谱数据跨波段相关性的建模能力；同时，设计了一种二阶段量化编码策略，进一步挖掘特征冗余，以兼顾压缩效率与重建质量。实验结果表明，在1%采样率条件下，所提出的方法在PSNR指标上达到38.024dB，相比当前最优方法提升了0.872dB，同时计算量降低了11.1%。此外，在极低比特率条件（0.04-0.08bpppb）下，得益于量化编码模块的引入，Mamba-CSNet仍能保持优异的重建质量，验证了其在高光谱数据压缩中的有效性。关键词：高光谱图像;压缩感知;深度学习;Mamba状态空间模型;量化编码;低比特率;星载应用2|0|0更新时间：2026-09-04 -
摘要：行道树遮挡交通标志牌影响道路交通安全，但现有研究多止步于静态遮挡检测，缺乏从量化分析指导修剪决策的技术路径。为此，本文构建了连接季节性遮挡动态量化与多强度修剪仿真评估的决策框架。以上海市张江高科技园区8.0公里道路为研究区，对74个悬臂交通标志牌和1524棵行道树进行分析。首先，基于点云重建高精度行道树模型（平均误差2.0cm），并通过虚拟树叶模拟季节变化。其次，采用视锥体空间分析，量化冬季和夏季标志牌的路面可视程度。最后，设置树枝修剪直径阈值分别为5cm和10cm两种方案进行修剪仿真，从修剪成本、生态损失和景观影响三方面评估修剪效果。结果表明：冬季标志牌的路面平均可视程度为91.15%，夏季降至85.26%，下降5.89%，其中编号为7的标志牌降幅达41.45%，受季节影响最大。短悬臂标志牌更易被遮挡。5cm修剪方案下（即修剪树枝直径阈值取为5cm时），树枝体积损失6.20%、树叶损失20.70%；10cm修剪方案下，树枝体积损失增至19.20%、树叶损失升至39.21%，修剪点由558处减至219处。高强度修剪虽降低成本，但可能导致树木结构严重受损（如编号为43的标志牌单木树枝损失57.69%，部分树木几乎只余主干）。研究表明，该框架通过将遮挡量化结果映射为修剪阈值选择依据，并揭示了修剪点减少与树木结构受损之间的非对称代价关系，为城市行道树在交通安全、生态与景观之间的协同管养提供了科学依据。关键词：车载激光点云;行道树;交通标志牌;遮挡分析;修剪仿真;交通安全3|0|0更新时间：2026-09-04 -
摘要：因气候变暖及人类活动加剧，全球植被覆盖状况发生剧烈变化，进而影响区域乃至全球气候。其中，植被覆盖变化对地表能量分配（即全波段净辐射在潜热、感热和土壤热通量之间的分配）具有重要影响，深入理解植被变化如何影响地表能量分配有助于从物理机制的角度理解土地覆盖变化的气候效应。本文以“植被对地表能量分配的影响”为主题，系统梳理过去三十年中外期刊的研究工作，并重点关注了遥感监测在这一研究领域的应用现状。总体而言，植被主要通过自身生理结构、对地表辐射收支的调节和参与水文循环等路径影响地表能量的分配，这些过程又会受到自然扰动及人类活动的干扰，同时地表能量通量之间也存在相互促进或抑制机制，进而在不同区域或不同时空尺度产生不同的气候响应。研究方法上，现有研究以模型模拟为主，但观测证据的重要性日益凸显。遥感监测凭借空间覆盖广、时间序列长、时空尺度多样化等优势，突破了地面站点观测的空间局限，为模型模拟提供了关键输入及物理约束，有效拓宽了植被与地表能量研究的应用场景，成为揭示全球绿化对地表能量平衡贡献的定量化证据及全球性规律的关键数据源。本文进一步指出，利用新的技术路径（如遥感基础模型）提高地表关键参量遥感产品的时空分辨率及精度、聚焦植被覆盖过渡区域及复杂下垫面（如干旱/半干旱区、城市及山地等）并考虑耦合植被生物地球化学效应等，应是未来从地表能量分配的角度深入理解植被变化及其区域气候响应等相关研究的重要方向。关键词：植被;地表能量分配;地表辐射收支;遥感监测;潜热通量;感热通量;陆气相互作用;气候响应4|0|0更新时间：2026-09-04 -
摘要：机载LiDAR点云语义分割是三维地物精细化解译与场景理解的重要基础，在智慧城市建设、城市三维建模、交通基础设施提取、国土空间调查和生态环境监测等领域具有重要的应用价值。针对现有深度学习点云语义分割方法在局部几何结构刻画与上下文建模之间协同不足的问题，提出了一种新的机载LiDAR点云语义分割网络LSENet（Local Subdomain-aware and Edge-enhance Dynamic Fusion Network）。首先通过局部子域自适应划分提取每个采样点细粒度空间几何特征；其次在子域间引入特征增强的交互机制以强化局部空间感知与信息流通；最后设计了边缘增强的分组多尺度双注意力动态融合模块，实现了关键特征的动态加权融合，增强了不同语义类别之间的可分性，并提升了模型对复杂结构及边界区域的判别能力。基于Vaihingen 3D与DFC2019两个公开数据集的实验结果表明，LSENet分别取得了83.9%和97.8%的总体精度、70.5%和89.1%的平均F1分数，整体性能优于部分对比方法，验证了所构建网络在机载LiDAR点云语义分割中的有效性和跨场景适用性。关键词：机载LiDAR点云;深度学习;语义分割;局部子域感知;动态融合;边缘增强2|0|0更新时间：2026-09-04 -
摘要：Segment anything model（SAM）凭借优异的性能和泛化能力广泛应用于各种下游视觉任务，但是将其直接迁移至遥感图像语义分割任务时存在明显的局限性：1）SAM基于自然图像数据训练，难以适应遥感图像的尺度范围大以及地物分布的不均一性；2）SAM的图像编码器基于Vision Transformer，对局部纹理与高频细节的建模能力有限，难以保留高频空间信息，导致地物边界模糊和纹理特征弱化。为解决上述问题，本文提出了一种基于微调与高频增强的多尺度SAM遥感图像分割模型MSHF-SAM（Multi-Scale SAM with Fine-tuning and High-Frequency Enhancement）。在编码阶段，首先引入高频增强模块，使其有效保留高频特征信息，其次，引入少量参数高效微调策略，缓解SAM模型迁移至遥感领域时的跨域特征偏移问题。在解码阶段，采用MACU-Net解码头替换SAM原始掩码解码器，并设计轻量级边界细化分支，在保持模型高效运行的同时，有效提升地物边界与分割质量。在高分辨率遥感数据集LoveDA和Vaihingen上的实验结果表明，MSHF-SAM的mIoU和F1等评价指标均优于其他对比模型。其中，相较于经典的Unetformer分割模型，本文所提方法在LoveDA数据集的mIoU得分提升了4.33%，在Vaihingen数据集的mIoU得分提升了2.85%，实验结果表明所提方法具有良好的性能，实现了视觉大模型在遥感语义分割场景的应用。关键词：深度学习;分割任意模型（SAM）;语义分割;高频信息;大模型微调;遥感图像3|0|0更新时间：2026-09-04 -
摘要：影像配准和变化检测对遥感时序信息的提取与分析至关重要。当前，深度学习方法通常将配准和变化检测视为独立任务，缺乏联合处理与显式配准机制。同时，现有变化检测方法缺乏差异特征空间信息与语义信息的协同交互，难以有效构建双时相影像间的实质性空谱差异。此外，二者联合模型的轻量化，对资源受限设备部署、大规模影像批处理至关重要。为此，本文提出一种联合遥感影像配准与变化检测的轻量级网络。首先，利用MobileNet V3 Large提取用于配准和变化检测的多尺度特征。其次，利用空间一致性模块实现半密集特征点匹配，建立跨尺度的空间变换模型，使得不同尺度特征图相互对齐。然后，不同尺度特征图通过时空差异协同模块，增强双时相特征的时空异质性。最后，对多尺度差异特征进行融合，生成变化检测结果。选取SVCD、SYSU-CD和SECOND数据集进行试验，与当前主流的变化检测网络进行了对比。结果表明：本文方法能有效构建待配准影像间的空间变换关系，在定量分析和定性分析方面均优于其它方法，并在网络复杂度方面具有一定优势。关键词：遥感影像;配准;变化检测;空间一致性;时空差异协同19|0|0更新时间：2026-09-04 -
摘要：新疆是我国最大的产棉区，绘制新疆棉花分布图对于棉花生产管理具有重要意义。机器学习遥感制图精度依赖样本数量和质量，新疆棉花种植范围广，采样成本高，难以满足高精度动态制图需求。为解决这一问题，本文基于有限样本稳定分类理论，结合新疆高空间异质性特点，针对不同棉花产区（北疆、南疆和东疆棉区）通过增加地理空间约束进行样本集构建和抽样设计，从最小样本量和错误样本容忍度两个维度探讨有限样本条件下棉花分类的稳定性机制。研究结果显示：（1）在北疆、南疆和东疆棉区分别使用占各自样本集16%、24%和14%的样本，或样本集的错误样本比例控制在25%、25%、10%以内，分类精度保持稳定（精度下降小于1%）；（2）基于最小样本量进行新疆棉花制图能够获得较好的制图效果，北疆、南疆和东疆的总体精度分别为90.56%、83.17%和94.57%，县域尺度棉花估算面积与已有棉花分布图强相关，R2和RMSE分别为0.99和5.38kha；（3）将样本集迁移至棉花种植面积年际变化小于错误样本容忍度的2018年进行制图，能够获得较好的制图效果，北疆、南疆和东疆的总体精度分别为95.37%、88.85%和90.57%，县域尺度棉花估算面积与已有棉花分布图强相关，R2和RMSE分别为0.98和6.27kha。本研究为种植结构复杂、样本获取成本高的新疆地区，构建高精度、高时效的棉花遥感制图体系提供了新的理论依据与技术路径。关键词：有限样本稳定分类理论;新疆棉花;遥感制图;机器学习;少样本;地理空间约束;样本迁移240|25|0更新时间：2026-08-17 -
摘要：极化SAR（合成孔径雷达）凭借其全天时、全天候的优势，在作物分类中具有重要作用。目前，基于机器学习方法构建极化分解特征与作物之间的关联是实现极化SAR分类的重要途径。然而，现有双极化分解方法常依赖于固定的散射模型，仅能获取离散的散射特征，限制了其对作物复杂散射信息的细致表征。为此，本文提出一种基于旋转变换的双极化SAR散射特征提取方法，该方法利用表征双极化空间的两个极化参数构建旋转矢量，观测矩阵在旋转矢量上的连续投影可获得海量连续散射特征，从而更全面地反映不同作物的散射特性，增强类间差异性。本文选取中国甘肃省金昌市与美国加利福尼亚州两个农田实验区进行实验。实验结果显示，与现有双极化分解方法相比，在金昌实验区，新方法分类精度达96.10%，较 -
中国城市植被物候的梯度差异规律及其格局 AI导读
摘要：植被物候是气候条件、下垫面变化及人类活动干扰等对生态系统的综合反映，亦是城市化和气候变化的重要反馈指标。伴随城市化进程的加快，城市与乡村的植被物候往往会呈现差异，然而有关中国城市植被物候的梯度差异规律和格局尚缺乏系统性认识。为此，本文基于哨兵2号（Sentinel-2）数据，采用动态阈值法提取2019–2024年中国128个城市及其周边区域的植被春季物候（SOS）和秋季物候（EOS），探究“城市-城镇-乡村”植被物候差异及其分布格局。研究结果表明：（1）中国城市植被SOS较周边城镇提前1.26天，较周边乡村提前1.49天；城市EOS较周边城镇推迟1.51天，较周边乡村推迟1.25天。（2）不同植被类型中，森林对城市化的物候响应最为显著且响应幅度最大。（3）不同气候背景下，温带气候区对城市化梯度的物候响应最强；亚热带和热带气候区的城乡物候差异整体较弱且稳定性较低。（4）不同城市规模下，SOS提前效应随城市规模增大而增强；EOS在中小规模城市中表现为推迟效应，在超大城市中则转变为提前效应。上述结果为城市植被物候变化研究提供了更清晰的科学证据，有助于加深对城市化进程中植被物候响应及其社会生态效应的理解，可为城市可持续发展、生态文明建设等管理决策提供有益参考。关键词：遥感;城市化;植被物候;哨兵2号;动态阈值法;梯度差异规律640|156|0更新时间：2026-06-12 -
摘要：单木尺度的树种分布与生境信息是森林生态系统科学管理的重要基础，无人机可见光（RGB）影像具备采集时间灵活、空间分辨率高、获取成本低等优势，为精细尺度的森林监测提供了数据支撑。高空间分辨率影像完整记录了林木的精细轮廓与森林的背景生境，利用全景分割技术对其进行统一解译，能够同步获取森林全要素的提取结果。然而，高空间分辨率影像在高郁闭度森林场景下的全景分割主要存在两方面难点：一是不同树种仅依靠的光谱信息区分度有限；二是传统方法多采用语义与实例分割任务分离的架构，导致前景与背景上下文利用不足，容易引发像素归属冲突。针对上述问题，本研究提出了一种端到端全景分割模型FSC-Mask2Former（Frequency and Supervised Contrastive Mask2Former）。该模型在统一的掩膜分类范式下进行了两项核心改进：（1）引入频域纹理感知注意力模块，通过二维离散余弦变换在频域空间捕捉高频边缘信号，强化模型对树冠微观纹理的细粒度特征提取能力；（2）设计实例感知查询对比头，利用监督对比学习策略施加判别性约束，增加相似树种间的类间特征距离。在广西南宁高峰林场等多个研究区的验证结果表明，该模型的综合全景质量（all PQ）达到57.0%，其中反映目标边界拟合精度的分割质量（SQ）达到76.0%，反映类别区分能力的识别质量（RQ）提高至56.0%。研究结果表明，该模型能有效克服复杂森林场景下的树种混淆问题，实现单木个体与背景生境要素的高精度同步解译，为实现复杂生境下的森林全要素精细化制图提供了一套低成本、高效率的技术方案。关键词：无人机遥感;全景分割;Mask2Former;频域分析;对比学习;单木识别484|156|0更新时间：2026-06-12 -
摘要：中国正在研发的静止轨道微波探测卫星——风云四号微波星垂直探测仪（Fengyun-4 Geostationary Microwave Sounder，GeoMWS），可以提供高时间分辨率的微波观测资料，对天气系统的监测和数值天气预报具有重要作用。云检测是数值预报系统卫星资料同化中的关键前处理环节，但是已有的微波探测仪云检测方法多是基于极轨微波探测仪器特征设计，因此开发适用于静止微波探测仪的云检测方法是该卫星资料同化应用的前提条件。本研究基于GeoMWS仪器的仿真资料，在分析了各通道的云敏感性差异的基础上，提出了一种适用于GeoMWS的快速云检测方法。评估结果表明，该方法在不同时间段内均表现出较高的检测性能：云检测率（POD_cld）和报中率（HR）均超过75%，虚警率（FAR_cld）控制在20%以下。对比前人方法的检出率仅能维持在60%附近，该研究为GeoMWS在台风监测及资料同化中的应用提供了可靠的理论与方法支持。关键词：静止卫星;微波探测;静止轨道微波探测;洋面云检测;仿真资料263|121|0更新时间：2026-06-12 -
嫦娥六号微型激光角反射器阵列设计与分析 AI导读
摘要：微型激光角反射器阵列INRRI（INstrument for landing-Roving laser Retroreflector Investigations）是嫦娥六号任务搭载的国际载荷之一，通过接收环月轨道器搭载激光设备发射的激光，利用激光入射到反射面后平行反射的特性实现高精度测距，并经过重复观测与解算成为月球背面首个绝对控制点，为月球大地测量、遥感制图与定位、环月轨道器高精度定轨和导航等提供基础保障。本文以INRRI作为研究对象，介绍其机械结构与光学设计，并对其关键性能进行了分析。在设计层面，采用球形穹面设计以及镀膜技术使其能够在更广阔的视场范围内有效接收轨道器激光。在性能分析层面，本文建立有效反射面积模型，分析在不同入射角度下的回波信号强度，并结合速差效应与远场衍射理论，综合评估INRRI对环月轨道器搭载激光设备的可探测性。试验结果表明，INRRI具备良好的可观测性，验证了其经环月轨道器LRO（Lunar Reconnaissance Orbiter）搭载的激光高度计LOLA（Lunar Orbiter Laser Altimeter）多次成功观测的优异性能，对后续深空探测任务中微型激光角反射器的设计与优化提供了参考依据。关键词：激光角反射器;激光测距;有效反射面积;速差效应;远场衍射449|121|0更新时间：2026-05-21 -
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1031|1089|0更新时间：2026-03-17 -
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-2440|996|0更新时间：2026-03-13 -
摘要：街景影像是感知城市物质环境的一种新型地理大数据。通过街景发现立面变化并识别变化语义类别是城市更新的重要感知手段。传统变化检测方法无法直接区分街景变化物体的时相归属（变化拆分），难以高效识别两个时相中变化区域的语义类别。本文提出Cross-C2PO （Cross-Combine 2 POssible change types）模型统一变化检测与时相拆分任务，有助于引入现有图像语义分割模型实现街景语义变化检测。在此基础上，文章构建了城市更新动态度指标的感知分析方法，以广州主城区2013-2019年更新变化监测为目标，进行街景全景综合变化感知，实现前后左右视四个视角感知的城市更新动态度制图，直观展现了城市更新的分布及物理环境变化强度，为街景与计算机视觉智能结合应用提供创新方法和案例研究。关键词：城市更新;街景影像;语义变化检测;场景变化检测;弱监督;动态度652|871|0更新时间：2026-03-06 -
高分一号宽幅多时相水体提取数据集 AI导读
摘要：针对当前公开水体数据集时相单一以及标注精度较低等方面的局限性，本研究基于“高分一号”（GF-1）的宽幅多光谱影像，构建了高质量多时相湖泊提取数据集。分别选取了动态程度较高的鄱阳湖、中等的纳木错以及较低的阳澄湖作为试验区，涵盖了2022年春夏秋冬四个季节。为提高数据质量，GF-1宽幅多光谱数据首先经过辐射、正射和快速大气校正等预处理；然后采用自动与人工目视相结合的标注策略，三个研究区四个季节的总体精度均达到94%以上，确保了数据集的可靠性和科学性。该数据集具有多时相特性和高标注精度等特点，为高分辨率遥感影像中的动态水体制图和动态变化监测研究提供了重要数据支持。为验证数据集的实用性，采用阈值分割、传统机器学习算法以及深度学习等多种水体提取方法进行实验。结果表明，该数据集能够有效支持不同方法的训练与评估，为动态水体提取算法的性能提升提供可靠数据基础。关键词：高分一号;动态水体;水体提取;数据集;特征提取730|905|0更新时间：2025-12-11
- 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