最新刊期
-
摘要：应用无人机影像与深度学习技术是近年来开展喜马拉雅旱獭识别与活动监测研究的重要手段，对喜马拉雅旱獭洞的识别是其中的关键环节。然而，受地形起伏、洞口石块以及土体遮挡等因素影响，旱獭洞漏检现象突出，其识别精度有待提升。本研究以西藏地区部分典型鼠疫疫源地为研究区，通过旱獭洞地面调查与无人机遥感观测，构建一套包含旱獭洞和洞口附近石块、土体等生境要素的无人机影像数据集，运用融合生境信息的数据标注策略和YOLOv8、YOLO11、YOLO13、RT-DETR以及RF-DETR等5种目标检测模型，系统比较传统标注方式与融合生境信息标注策略并评估后者的有效性。结果显示：在传统标注方式下，5种目标检测模型识别旱獭洞的精度分别为93.0%（YOLOv8）、91.6%（YOLO11）、85.5%（YOLO13）、76.5%（RT-DETR）、83.0%（RF-DETR）；在融合生境信息的标注策略下，除YOLOv8模型的洞口识别精度略有降低外（-0.2%），其余检测模型均有所提升，分别为2.2%（YOLO11）、9.0%（YOLO13）、16.7%（RT-DETR）、6.5%（RF-DETR）。其中RT-DETR模型与融合生境信息标注策略组合的旱獭洞识别效果提升最明显（约17%），YOLO11模型与融合生境信息标注策略相结合的旱獭洞识别体系效果表现最优。因此，融合生境信息的标注策略可以降低传统标注方式因遮挡导致的旱獭洞漏检风险，进而有效提升喜马拉雅旱獭洞的无人机遥感识别效果。本研究提出的数据标注策略有助于提升喜马拉雅旱獭洞的无人机识别效能，丰富了喜马拉雅旱獭鼠疫疫源地调查的无人机应用体系，对于青藏高原喜马拉雅旱獭鼠疫的监测与防控具有重要意义。关键词：无人机;深度学习;数据标注策略;生境信息;喜马拉雅旱獭洞;鼠疫监测15|7|0更新时间：2026-06-16 -
摘要：复杂城市场景中的密集建筑和显著高差，放大了多模态遥感影像间的非线性辐射误差和几何畸变，给高分辨率影像的高精度配准带来了挑战。现有配准方法多依赖于影像的纹理等二维特征，缺乏对三维空间信息的有效利用。为此，本文提出了一种基于模态转换和三维空间关系约束的多模态高分辨率遥感影像配准方法。首先，该方法使用跨模态影像翻译来减弱多模态影像间的辐射差异；其次，使用单目深度估计快速获取深度图，为后续的特征描述和匹配约束提供数据基础与空间先验；最后，提出了一种基于深度的三维空间关系约束匹配方法。该方法通过多特征图的特征点检测、深度联合描述符构建和三维空间关系约束来实现特征点的潜在检测、稳健描述和精确匹配。本文在4组代表性数据上，将所提方法与多种传统和深度学习方法进行了对比。实验结果表明，所提方法的平均NCM为510，较现有方法提升约0.92~5.22倍；平均RMSE为1.58像素，精度较现有方法提升约4.12~4.78倍。结果验证了本文方法在配准精度和综合性能上具有一定优势，能够有效抑制城市多模态影像中的非线性辐射差异和几何畸变，实现更高精度配准。本文使用的数据和相关资源可从以下地址获取：https：//github.com/QAlana/CityMMReg-data。关键词：图像配准;多模态;三维空间关系;城市复杂场景;深度图35|17|0更新时间：2026-06-12 -
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26|17|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29|11|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20|11|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96|17|0更新时间：2026-05-21 -
摘要：高光谱重构（HSR， Hyperspectral Reconstruction）是基于高光谱窄带—多光谱宽带之间函数关系的逆函数，利用常见的多光谱信息进行高光谱模拟的技术。目前，HSR研究多聚焦于可见光红外谱带，针对热红外发射率HSR的研究几近空白。前期相关研究多利用现有的卫星多光谱波段，关注HSR模型的优化，对面向HSR的多光谱宽谱带划分和选取问题则很少涉略。本研究利用柏油路、大理石、灰色地砖、油漆表面、绿色地砖、石板路和砖混路面等7类地表覆盖类型共727条8—14μm的实测热红外发射率高光谱数据，突破传统等间隔和卫星谱带复刻等宽谱带划分的思路，考虑温度—发射率病态耦合问题，引入量子遗传算法（QGA，Quantum Genetic Algorithm），结合HSR模型，提出温度—发射率相关系数聚类及基于QGA-HSR模型谱带选取等方法，在对热红外宽谱带进行优选的同时，对比分析不同宽谱带划分方式影响下线性非正则化多重线性回归（MLR，Multiple Linear Regression）、逐步线性回归（SLR，Stepwise Linear Regression）、线性正则化岭回归（RR，Ridge Regression）、LASSO回归和弹性网络回归（ENR，Elastic Network Regression），以及非线性支持矢量机回归（SVM，Support Vector Machine Regression）和神经网络回归（NNR，Neural Network Regression）等多种HSR模型的性能。研究发现：LASSO和ENR模型对宽谱带划分方法敏感度不高，RR对宽谱带划分方法则比较敏感；线性正则化RR模型的平均误差最小，ENR的最大误差最低；热红外宽谱带划分方法通过其结果宽谱带中心波长和带宽影响HSR发射率在波长方向上的误差变化，如，QGA-SLR宽谱带优选结果可改进HSR发射率在波长方向上的误差差异，进而提升HSR模型的整体性能。研究成果不仅可以提升热红外HSR模型的性能，提高多源热红外遥感产品的可比性。同时，优选的热红外宽谱带还可以为热红外遥感传感器的研发提供技术支撑。宽谱带选取方法和HSR模型的优化组合可为全谱带HSR提供方法支撑。关键词：高光谱重构;热红外发射率;宽谱带;量子遗传算法;机器学习方法63|16|0更新时间：2026-05-21 -
摘要：卫星遥感图像舰船目标检测与识别在海洋监视、航运管理和军事侦察等领域具有重要应用价值。然而，现有数据集在规模、多样性和细粒度方面的不足严重制约了该领域的发展。为突破这一瓶颈，本文构建了大规模细粒度舰船实例检测数据集LAFI（LArge-scale FIne-grained Ship Instance Detection），并基于稳定扩散模型进一步构建了一个百万级舰船目标检测数据集LAFI-Diffusion。该研究具有以下创新性贡献：（1）LAFI是目前规模最大、类别最丰富的公开舰船数据集，包含8000张高分辨率遥感图像、49种舰船类型以及48717个精细标注实例；（2）采用一个可控的扩散模型，由船舶-海洋文本提示引导，在不同的海况、天气条件和时间变化下生成数百万幅合成图像，可以支撑目标检测模型的预训练，显著提升了模型在复杂海洋场景下的泛化能力，同时减少环境干扰。最后，基于LAFI数据集，本文系统评估了当前主流的7种有向框检测算法，为后续研究提供了重要基准。关键词：遥感图像;舰船目标检测;数据集;扩散模型;合成数据生成;细粒度识别;有向边界框;数据增强285|439|0更新时间：2026-04-21 -
摘要：河湖岸线是内陆水体与陆地的接触地带，具有调蓄洪水、维护生态平衡等极为重要的生态功能。及时掌握河湖岸线的动态变化对于防洪减灾以及水生态环境建设与保护具有重要的现实意义。本文通过训练Swin-UNet深度学习模型，基于高分辨率遥感影像（高分卫星与Sentinel-2），研发了区域水体与河湖岸线识别技术，并用以监测郴州市2015-2025年河湖岸线的动态变化。结果表明基于Swin-UNet深度学习模型的水体与岸线识别模型明显优于传统的阈值法或相对简单的机器学习模型，其水体识别精度>90%，水体轮廓信息清晰。基于高分影像的结果显示，研究区多年平均水域面积约为314.7km2，对应的岸线长度约为7306.4km。高分影像与Sentinel-2的结果有较好的一致性（年均值相关系数大于0.99），但是由于其更高的空间分辨率，高分影像识别所得的水域面积约比Sentinel-2高18.9%，而岸线长度则比Sentinel-2长约75%。研究区岸线长度的年内波动（变异系数=12.8%）高于其年际波动（变异系数=9.0%）。研究区内人工水体岸线形态稳定性高于自然岸线。研究区内河湖岸线结构演化呈半自然-半人工岸线向人工岸线转化，而自然岸线相对稳定的特征，其演变态势与城市空间外拓以及退耕还林还湿系列生态修复政策密切相关。关键词：河湖岸线;动态监测;Swin-UNet;高分卫星;Sentinel-2;郴州市485|498|0更新时间：2026-04-21 -
摘要：尽管深度学习方法在地块级作物分布遥感精细提取方面表现出较好效果，但其高度依赖大量高质量的标注样本，存在成本高昂、时效性差及跨区域泛化能力不足等瓶颈。为此，本文提出一种结合视觉基础模型与知识融合的地块分割提示信息优化方法，将水稻物候特征和光谱指数通过自适应迭代学习转化为视觉基础模型所需的动态提示信息，有效解决了传统深度学习方法对样本高度依赖的问题。具体的，首先利用植被指数先验知识剔除非植被区域，以减少计算量。同时，针对SAM初步分割结果进行逐地块统计，更新先验知识阈值范围，并作为地块分割提示信息二次输入SAM模型，通过上述迭代学习的方式，在更新先验知识的同时，得到最佳的地块级分类识别结果。最后，本方法创新性提出了采用IoU指标作为迭代分割终止的条件，构建了兼具精度与效率的自适应学习闭环，在实现对分割结果稳定性量化监控的同时，确保模型在达到最优解时自动终止。实验结果表明，水稻收割期为水稻提取最佳窗口期；基于该最优时相，本方法在天津宁河区、黑龙江富锦市、日本新潟市等不同实验区域的制图Kappa系数分别为0.89、0.91和0.86。此外，与U-Net、DeepLabV3+等典型监督学习模型相比，本方法在无需针对研究区进行特定模型训练的前提下，取得了可与监督学习模型媲美甚至更高的提取精度，充分证实了本文方法的有效性和区域泛化能力，为实现大范围、低成本、高精度的自动化作物制图提供了新的解决方案。关键词：遥感精细提取;SAM;先验知识融合;水稻制图;自适应统计学习;地块级分割;迭代优化;提示信息优化222|228|0更新时间：2026-04-21 -
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282|183|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437|707|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190|158|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-2169|644|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182|503|0更新时间：2026-03-13 -
摘要：轻量化遥感图像目标检测在遥感数据高效处理与实际场景应用中具有关键价值，而遥感图像中圆形或类方形目标（如油罐、车辆等）十分常见，精准检测这类目标对资源监测、城市规划等任务具有重要意义。在遥感图像目标检测精度不断提升的背景下，模型复杂度相应地显著增加，现有遥感图像目标检测方法在精度与模型复杂度之间难以实现有效的平衡。针对上述问题，在已有针对圆形或类方形目标检测网络的基础上，提出了一种基于空间-通道重构的轻量化遥感图像目标检测方法，旨在保持高精度的同时，降低模型复杂度。首先，针对特征图在空间维度上存在的冗余信息，采用了空间重构单元，根据空间特征丰富程度对特征图进行分离，得到空间信息丰富组与空间信息冗余组，再对两组进行交叉重构操作以减少空间特征冗余，并增强遥感图像目标的空间特征表示；然后，针对特征图的通道信息冗余，提出了基于部分卷积的通道重构单元，将特征图从通道维度分割为两部分，一部分使用部分卷积进行高效的特征提取，另一部分使用点卷积获取隐藏的细节信息，对两部分通道加权重构并拼接，以更少的计算成本提取特征并增强了重要通道的特征表示。实验结果表明，所提出的方法有效减少了模型的计算量与参数量，并保持了良好的检测精度。关键词：遥感图像;目标检测;圆形目标;模型轻量化;重构单元165|160|0更新时间：2026-03-09 -
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351|561|0更新时间：2026-03-06 -
摘要：河流流量是水文循环过程的关键变量，在洪水预警、水资源调度和生态环境管理中具有重要意义。本论文选取黄河源区的唐乃亥水文站为试点，提出一种融合卫星遥感和机器学习方法的河流流量监测技术。首先利用哨兵2号遥感影像提取河流的水面宽度，联合全球陆面数据同化系统模拟的气象水文变量（蒸散发、土壤湿度、温度、陆地水储量和径流量）作为6种驱动因子，分别构建了基于四种统计方法（线性函数、幂函数、指数函数和多项式函数）和四种机器学习方法（XGBoost、Random Forest、LightGBM和CatBoost）的流量监测模型，评估不同模型监测结果间的差异并利用Shapley Additive Explanations （SHAP）方法量化不同驱动因子的重要性。结果表明，四种统计方法中，多项式函数模型在测试期的效果优于其它三种模型；相比于传统统计方法，机器学习方法在精度和稳定性方面表现出显著优势，决定系数（R2）提高了46.15%，均方根误差（RMSE）和平均绝对误差（MAE）分别减少了54.61%和55.65%。Random Forest模型在测试期的模拟效果优于其它三种模型，其R2、NSE、RMSE和MAE分别为0.96，0.89，172.81 m³/s和147.33 m³/s。SHAP方法表明水面宽度在流量监测模型中具有最显著的贡献（189.02），其次为土壤湿度（145.11）和温度（97.41）。本研究证实了联合卫星遥感和机器学习方法在复杂地形与资料匮乏区域开展高精度流量估算的可行性和优越性。关键词：卫星遥感;机器学习;统计模型;SHAP方法;流量监测;唐乃亥水文站285|697|0更新时间：2026-02-27 -
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419|600|0更新时间：2025-12-11 -
摘要：定量分析中国脱贫县生态环境和社会经济之间的耦合协调关系及其影响因素对于总结脱贫经验、巩固脱贫攻坚成果具有重要意义。本文基于长时序、高精度的遥感数据集，构建了全国832个脱贫县生态环境和社会经济的综合评价指标体系，定量评估了两者在2010年、2015年和2020年的发展水平及其耦合协调状态，并运用提升回归树模型识别各指标因子对区域耦合协调发展的贡献率。研究结果表明，脱贫县生态环境的综合发展水平整体高于社会经济发展水平，但社会经济的发展速度快于生态环境的改善速度，且两者在2015至2020年间的平均增长率高于2010至2015年。从空间分布来看，东北地区脱贫县的耦合协调度最高，西北地区最低，整体呈现“东高西低”的分布格局，并表现出由沿海向内陆逐步推进的发展趋势。绝大部分脱贫县属于“经济滞后型”的耦合协调类型，人口数量、国内生产总值、夜间灯光等社会经济指标在耦合协调发展中的贡献尤为显著。基于典型地区的脱贫路径和实践经验，研究进一步提出，因地制宜发展产业扶贫是推动脱贫县社会经济快速发展的关键举措，打造多元化的本地特色产业是巩固脱贫攻坚成果、有效防止返贫的核心策略。关键词：脱贫县;生态环境;社会经济发展;遥感数据集;耦合协调;提升回归树模型;贡献率;空间分布格局;产业扶贫297|263|0更新时间：2025-11-04
- 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