最新刊期
2025 年 第 29 卷 第 10 期
-
摘要：动物遥感与遥测的核心思想是利用对动物最小化干扰的现代技术手段，来监测和研究动物及其生态环境。其具体是通过利用卫星、无人机、雷达、声学标签或深度相机等多种工具，在不对动物造成任何物理接触或最小化干扰的情况下，收集有关动物行为、种群动态、个体生长状态等方面的数据，帮助研究者深入了解动物行为习惯、动物与环境之间的关系及动物健康状态等信息，在野生动物监测和保护、精准畜牧、智慧渔业等领域有着广泛的应用前景。近年来，动物遥感与遥测技术迅猛发展，呈现出百花齐放的趋势。但是，目前依然缺乏对动物遥感与遥测最新研究进展的相关综述。针对上述问题，本文聚焦动物遥感与遥测领域的研究现状，从野生动物与家养动物方面进行阐述，系统性概括动物遥感领域内研究的最新进展。首先，本文对动物遥感与遥测领域相关论文进行文献分析，梳理其发展历程及趋势；其次，本文基于研究对象的不同，介绍了野生动物的栖息地选择与利用、迁徙、分布以及动物数量估计等研究，同时也对家养动物的体尺信息、重量及家养动物草原畜群分布、放牧行为等方面的研究进展进行了介绍。最后，对动物遥感与遥测领域的研究现状进行总结并展望了其未来发展趋势，以期促进该领域的深入研究与广泛应用。关键词：动物栖息地;动物分布;动物迁徙;动物检测与数量估计;野生动物;家养动物;精准畜牧2|0|0更新时间：2025-10-28 -
生成对抗网络在遥感图像融合中的研究进展 AI导读
“遥感图像融合技术取得新进展，生成对抗网络（GAN）在提升图像空间和光谱分辨率方面展现巨大潜力，为地物研究提供新方向。”
摘要：遥感图像融合作为数据融合的一个重要分支，对于地物研究具有重要意义，有效选择合适的融合方法对提高图像精度尤为重要。随着遥感技术的发展，传统的图像融合方法已经难以满足图像精度的要求，不断有新的融合方法被提出。在遥感图像处理领域，生成对抗网络（GAN）以其强大的生成能力和对复杂分布的建模能力，迅速成为提升图像融合质量的重要技术。本文回顾了传统的遥感图像融合方法及其局限性，并且分析了深度学习，尤其是GAN在本领域中的优势。通过对多种GAN架构和损失函数的详细介绍，揭示了其在提升融合图像空间和光谱分辨率方面的巨大潜力。此外，还详细阐述了近年来各种基于GAN的遥感图像融合方法，探讨了其在全色锐化以及高光谱全色锐化任务中的应用。本文总结了基于GAN的遥感图像融合方法的发展过程，并从3个方面分析了目前技术存在的问题和未来发展的方向。关键词：遥感图像;多源数据融合;深度学习;生成对抗网络;全色遥感图像锐化;多光谱图像;高光谱图像81|44|0更新时间：2025-10-28
综述
- “中国林科院资源信息研究所发布亚热带林区多平台激光雷达森林样地点云数据集，为森林生态研究提供重要参考。”
摘要：共享多平台激光雷达点云数据对于开展森林生态以及激光雷达算法研究具有重要意义。为此，中国林业科学研究院资源信息研究所发布了亚热带林区的有人机、无人机和地基多平台激光雷达森林样地点云及地面调查基准数据集。数据集在中国广西壮族自治区国有高峰林场获取，包括桉树、杉木和马尾松3个树种，共25块样地。地面调查数据包括样地位置、树木位置、胸径、树高、枝下高和冠幅。该数据集可用于剖析不同平台激光雷达表征森林三维结构信息的特点，评估点云配准、单木分割等点云处理算法性能，分析森林结构参数提取的适用性，为区域、样地和单木尺度森林研究提供重要参考。此外，本研究发展了一种基于地基激光雷达点云的地面调查方法。该方法根据树干点云标记树木位置，并基于树木位置图进行每木检尺，记录树木参数，避免了实地单木定位和标记步骤，提高了作业效率，为林业地面调查提供一种新思路。关键词：亚热带林区;激光雷达;有人机;无人机;地基;多平台;森林样地;点云;基准数据集;地面调查964|1090|0更新时间：2025-10-28 - “在森林资源监测领域，专家结合高光谱和激光雷达数据，设计了四种分类策略，有效提升了树种分类精度，为森林资源高效监测提供了科学基础。”
摘要：精确的单木树种信息对于森林资源监测、经营管理、生态系统评估和生物多样性研究至关重要。基于机载高光谱和激光雷达LiDAR（Light Detection and Ranging）数据的结合，为森林树种分类带来了新的机遇。虽然近年来已有许多基于高光谱和LiDAR数据的小范围树种分类研究，但在实际更大范围的森林场景中，由于树种类型多样和林龄结构复杂，对影响机载高光谱与LiDAR数据分类精度的因素及其定量研究仍然不足。因此，为了提高实际应用中较大范围人工林树种精细分类的精度，设计4种分类策略（未经过二向性反射分布函数BRDF（Bidirectional Reflectance Distribution Function）校正的多航带影像衍生的植被指数；经过BRDF校正后的多航带影像衍生的植被指数；BRDF校正影像衍生的植被指数+树高特征；BRDF校正影像衍生的植被指数+树高特征+单木冠层信息），并以塞罕坝机械林场为例，着重对比分析该4种分类策略对机载多航带影像光谱一致性校正处理、树高特征引入以及单木冠层信息对人工林树种精细分类精度的影响。研究表明（1）基于单木分割信息的树种分类可有效地减少同一树冠内多像元对应多树种的分类错误，对树种分类精度提升贡献十分显著（10.74%）；（2）通过对机载影像进行辐射一致性校正，虽然降低了多航带影像间由于太阳—观测几何造成的同一树种光谱反射的差异，但对树种分类精度的提升有限（3.48%）；（3）在不同树种具有相似的垂直结构，或者同一树种分布在多个林龄阶段的地区，冠层高度CHM（Canopy Height Model）对树种分类精度的提升贡献几乎可忽略（0.67%）。综上所述，虽然结合机载高光谱和LiDAR数据的树种精细分类在较大范围人工林中表现出良好的应用价值和潜力，但仍需对众多影响因素进行深入分析与优化，以便为更有效地开展森林资源高效监测、管理和其他林业遥感应用奠定科学基础。关键词：树种分类;机载高光谱数据;BRDF校正;LIDAR数据;单木分割;随机森林;植被指数;塞罕坝机械林场912|592|0更新时间：2025-10-28 - “在森林生物量估算领域，本研究利用激光雷达生物量指数（LiDAR Biomass Index，LBI）计算了落叶松单木生物量并验证了其精度，为大范围森林生物量估算提供了新方法。”
摘要：激光雷达生物量指数LBI（LiDAR Biomass Index）能够基于机载激光雷达数据计算单株树木的地上生物量，在单木及样地尺度上具有较高的生物量计算精度，但其大范围生物量制图的能力尚未得到充分应用。本研究以中国北方广泛种植的落叶松树种为例，利用LBI计算森林小班内每株单木的生物量，累加得到了对应小班尺度的生物量，并结合作业设计调查数据验证其计算精度。同时，结合其他林场基于LBI的落叶松生物量模型评估不同区域相同树种模型的通用性，并与常用的变量回归法LMR（LiDAR metrics-based regression）进行对比。结果表明：LBI能够以较高精度实现小班尺度的森林生物量计算，不同区域生物量模型计算得到的结果与实测数据回归的R2为0.86—0.80，相对均方根误差（relative Root Mean Square Error，rRMSE为33.51%—40.23%；LBI方法采用35株单木建模计算的生物量精度与LMR方法采用30+的样地（包含>3000株单木）建模计算的生物量精度整体相当，且LBI在不同林场的相同树种之间的通用性更强。本研究利用AGB_LBI模型进行孟家岗林场西部区域每个小班内单木生物量的计算并实现了落叶松生物量制图，激光雷达计算的生物量分布与地面调查的生物量图具有相似的趋势，二者在20 m×20 m的尺度上获取了较高的一致性（R2=0.75，RMSE=1.55 t）。本研究在区域范围内验证了LBI方法估算小班尺度森林地上生物量的能力，表明其具有在大范围开展森林地上生物量估算的潜力。关键词：LBI;机载激光雷达;单木;小班尺度;生物量709|773|0更新时间：2025-10-28 - “科技新闻记者报道，新一代ICESat-2卫星在山地林区信号提取面临挑战。为此，专家提出了一种方向自适应的OPTICS地表及冠层表面检测方法。该方法首先构建方向自适应的椭圆搜索域，提取精细地表，随后消除地形影响，提取植被信号。实验表明，该方法精度高达0.97，地表及冠层表面高程误差显著降低。该方法适用于坡度变化大的区域，为森林空间结构反演提供可靠数据基础。”
摘要：针对新一代冰、云、陆地高程卫星ICESat-2（Ice，Cloud，and Land Elevation Satellite-2）数据在山地林区信号提取精度不高，导致地表及冠层表面检测困难的问题，本文提出了一种基于方向自适应的点排序识别聚类结构DA-OPTICS（Direction-Adaptively Ordering Points To Identify the Clustering Structure）山地林区地表及冠层表面检测方法。首先，该方法利用随机抽样一致RANSAC（Random Sample Consensus）分段曲线拟合初始地表，以此构建方向自适应的椭圆搜索域，并结合大津法OTSU（Nobuyuki Otsu method）提取地面信号，通过地表拟合地面信号提取迭代获取精细地表；随后，基于精细地表消除地形对点云影响，采用垂直方向椭圆OPTICS提取植被信号并检测冠层表面。为评估DA-OPTICS性能，本文以黑龙江孟家岗林场、辽宁抚顺林区ICESat-2数据为实验对象，利用人工标注样本及无人机产品验证精度。结果表明：DA-OPTICS提取地表与植被信号精度（F值）达到0.97，较基于椭圆搜索域的OPTICS，精度提升了约0.07；同时，DA-OPTICS检测的地表及冠层表面高程均方根误差RMSE（Root Mean Square Error）分别为1.08 m和2.33 m，显著优于ATL08的1.92 m和3.29 m。因此，DA-OPTICS能够实现对山地林区地表及冠层表面的高精度检测，尤其适用于坡度变化较大的区域，为森林空间结构参数的精准反演提供了可靠的数据基础。关键词：ICESat-2/ATLAS;方向自适应;DA-OPTICS;迭代精化;地形坡度;山地林区69|161|0更新时间：2025-10-28 - “陆地生态系统碳监测卫星激光测高全波形数据在森林冠层高度反演中的应用研究取得进展，为森林资源监测提供解决方案。”
摘要：陆地生态系统碳监测卫星TECIS（Terrestrial Ecosystem Carbon Inventory Satellite）是中国首颗以激光雷达为主载荷，以高精度监测陆地生态系统碳储量、森林资源和森林生产力为主任务的遥感卫星，可服务国家“双碳”战略、全国重要生态系统保护和修复重大工程监测评价等工作。本文利用全波形能量分布计算的相对高度RH（Relative Height）指标RHn（n取值为0—100），详细评估了陆地生态系统碳监测卫星全波形激光雷达数据表征森林冠层高度的能力，对比了固定增益和可变增益全波形森林冠层探测能力的差异，分析了坡度对冠层高度反演的影响。选取加拿大魁北克试验区的六轨数据进行试验分析，结果表明：冠层高度起算基准的选择对反演精度具有显著的影响，使用较低的RH指标会高估冠层高度，而较高的RH指标则会低估冠层高度，背景噪声阈值对于冠层高度反演的精度也有一定的影响。对所选试验区，使用合适的起算基准和背景噪声阈值，剔除少量异常激光点后，森林冠层高度反演精度的RMSE可达到3.58 m，ME优于1.0 m，MAE达到2.48 m；与波形分解的最后波峰位置相比，RH5作为冠层高度起算基准效果更优，并且反演精度受地形坡度的影响更小。陆地生态系统碳监测卫星全波形激光雷达可变增益与固定增益数据反演冠层高度的精度相当，两种增益的配置有利于提高森林区域数据的可用率。综上，本文关于陆地生态系统碳监测卫星全波形激光雷达数据冠层高度起算基准、背景噪声阈值、全波形固定增益和可变增益的结论有利于支撑其在森林冠层高度制图及生物量估算中的应用。关键词：陆地生态系统碳监测卫星;全波形激光雷达;森林冠层高度;相对高度指标;背景噪声阈值;地形坡度840|621|0更新时间：2025-10-28 - “星载光子计数激光雷达技术在森林蓄积量估测领域取得新进展，通过改进ICESat-2数据模型，显著提升了估测精度。”
摘要：星载光子计数激光雷达系统以冰云与陆地高程卫星-2 ICESat-2（Ice， Cloud and land Elevation Satellite-2）搭载的先进地形激光高度计系统ATLAS（Advanced Topographic Laser Altimeter System）为代表，能够快速获取大区域植被三维信息，已广泛用于森林参数反演，同时也存在普适性差等问题。为此，本研究以瑞士阿尔高州针阔混交森林为研究对象，从森林三维结构解析的视角出发，评估冠层水平与垂直结构特征在提升ICESat-2数据复杂林分蓄积量估测精度中的作用，并探索适用于该区域的最优模型形式，同时与仅包含传统高度统计特征的基线模型进行对比。首先，将去噪后的ICESat-2 ATLAS数据分割为100 m的估测单元，并通过质量控制，识别并去除异常单元，确保数据质量；然后，通过特征参数分组预筛选和有规则约束的全子集筛选方法，综合利用点云高度分布特征、冠高及冠高异质性特征、垂直结构特征进行森林蓄积量估测，筛选最优特征组合形式。研究结果表明，瑞士阿尔高州针阔混交森林ATLAS蓄积量估测的最优模型由冠层顶部平均高、65%密度分位数、叶面积加权冠层体积和枝叶剖面的平均值组成。十折交叉验证结果显示，该模型的精度达到平均精度为R2=0.78，RMSE=92.48 m3/hm2，rRMSE=0.24。相比之下，仅包含传统特征参数的基线模型R2=0.66，rRMSE由0.28降低至0.24，说明综合引入结构特征可将精度提高ICESat-2数据蓄积量估测精度，改善在冠层异质性较高林分中的估测表现。综上，综合利用森林三维结构特征改进基于ICESat-2数据森林蓄积量估测精度可以有效提升模型在复杂林分条件下的适用性，为大区域森林蓄积量与碳储量监测提供方法支撑。关键词：森林蓄积量;ICESat-2 ATLAS;森林三维结构特征;冠高异质性;垂直结构;质量控制;分组预筛选;有规则约束的全子集38|37|0更新时间：2025-10-28
森林资源激光雷达遥感动态监测与蓄积量估测技术
- “遥感技术在林业调查中取得新进展，专家构建了融合主被动遥感数据的森林分类深度学习网络，总体分类精度达95.24%。”
摘要：遥感技术凭借其广覆盖、高时效和多维信息获取能力，已成为林业调查的重要工具。多光谱遥感影像具备较高的空间与光谱分辨率，能够有效捕捉不同地物之间的光谱差异，合成孔径雷达数据则提供了稳定的地表结构信息与纹理特征，可作为光谱特征的重要补充。然而，主被动遥感数据在模态结构与信息表达上的差异，常导致融合效果有限，影响分类精度。针对这一问题，本文以云南省普洱市部分区域为研究区，选取3类森林树种（组）（思茅松、桉树、栎类）与一种经济林地类型（茶园）及其他3类地物作为分类对象，构建了一个面向小样本条件下的融合主被动遥感数据的森林分类深度学习网络。该方法融合哨兵二号（Sentinel-2）多光谱影像与哨兵一号（Sentinel-1）SAR影像数据，提出一种以多光谱影像为主导的交叉注意力融合网络，并引入可学习Dropout比率的正则化门控机制，实现自注意力与交叉注意力特征的动态融合调节。在融合过程中，模型通过自注意力机制提取多光谱的显著特征，结合交叉注意力引导其对SAR关键区域的响应，在特征融合阶段动态控制各模态信息的贡献度。实验结果表明，所提方法在多个融合策略与融合层级的对比中取得最优性能，总体分类精度达到95.24%，桉树、茶园、栎类和思茅松的分类精度分别为96.78%、94.07%、91.73%、92.90%。本研究验证了交叉注意力机制在主被动遥感信息协同建模中的有效性，为复杂环境下的多源遥感森林分类提供了可行思路与技术支撑。关键词：Sentinel-2;Sentinel-1;交叉注意力;特征融合;森林分类;原型网络;Concrete Dropout101|67|0更新时间：2025-10-28 - “在目标检测领域，研究者提出了一种红外与可见光特征自适应融合的多模态目标检测方法，有效提高了复杂环境下的检测精度。”
摘要：针对可见光目标检测在被遮挡、弱光等复杂环境下，特征丰富度易受影响，导致目标检测准确性降低的问题，本文引入红外模态影像来弥补可见光影像的不足，提出红外与可见光特征自适应融合的多模态目标检测方法。该方法采用YOLOv8目标检测框架作为基础网络提取多尺度特征信息；在此基础上，基于可见光影像拥有更丰富的纹理特征而红外影像自身的边缘轮廓较纹理更明显的特点，构建多模态混合注意力模块，进行跨模态的信息权重交流和重组以实现不同光照条件下的优势特征；然后，利用可见光模态特征丰富度与环境光照强度的关系，设计了以环境光照强度为指标的可见光—红外权重动态分配模块，并将权重作为参考，纳入多模态特征融合模块进行自适应融合，实现基于多模态特征融合的目标检测。最后，通过在公开的街景数据集M3FD及航拍车辆数据集DroneVehicle上进行实验。结果表明，相较于现有的单模态与多模态目标检测算法，本文提出方法能够获得更高的检测精度。关键词：目标检测;多模态;卷积神经网络;特征融合;注意力机制;可见光影像;红外影像;深度学习324|1041|0更新时间：2025-10-28 -
火星表面石块的卷积自注意力网络识别方法 AI导读
“在火星探测领域，研究人员提出了基于卷积自注意力网络的石块自动识别模型，为火星探测车安全行驶提供解决方案。”
摘要：火星表面广泛分布的石块对于火星探测车的安全行驶构成潜在威胁，同时石块的分布特性也为研究火星着陆区域的地质演化提供了重要线索。然而，火星探测车图像中的石块识别面临多重挑战：石块和背景边缘模糊导致轮廓提取困难，表面纹理特征相似性引发误判，并且现有的火星石块真实数据集稀缺制约模型训练。为了实现火星探测车图像中石块的精确识别，本文提出一种基于卷积自注意力网络的石块自动识别模型，实现图像的像素级分割。该模型采取编码器—解码器架构，其中编码器基于卷积神经网络提取图像特征，并嵌入改进的自注意力模块以增强模型对上下文信息的感知能力；解码器则负责将编码器提取的特征映射回图像空间，实现精准分割。为了验证模型性能，本文对“祝融号”火星车影像进行标注，构建了天问数据集，结合模拟石块数据集Synmars、Simmars6k、“好奇号”影像数据集MarsData-v2等多个数据集对模型的性能进行测试和验证。此外，本文还将该模型与DeepLabv3+、Unet++、Segformer、Marsnet等多种方法进行精度比较。采用平均像素精度、召回率、交并比等指标进行评价，结果表明该模型能够准确识别石块，其在模拟数据集上精度和召回率均达到90%以上，在真实数据集上的精度和召回率均最优。关键词：火星;石块提取;卷积神经网络;Transformer;特征提取194|436|0更新时间：2025-10-28 -
基空间非对称拉普拉斯全变分高光谱图像去噪 AI导读
“在高光谱图像去噪领域，专家提出了基空间非对称拉普拉斯全变分模型，有效降低了噪声，保持了图像质量。”
摘要：真实的高光谱图像HSI（Hyperspectral Image）容易遭受高强度混合噪声的破坏，如何精确地对噪声进行建模在后续处理任务中至关重要。非对称拉普拉斯噪声建模方法具有较好的混合噪声去除效果，该类方法优点是考虑到噪声的重尾性和非对称性，对不同波段的不同噪声进行建模，然而却忽略了HSI梯度基空间的内在分布特征，导致噪声残留。针对此问题，本研究提出基空间非对称拉普拉斯全变分BSALTV（Base Space Asymmetric Laplacian Total Variational）的HSI去噪模型。此外，梯度基空间 - “高分七号卫星GF-7获取湖岸地形数据，对无地面观测湖泊蓄变量遥感监测具有重要意义。专家分析了GF-7 DSM高程精度及影响因素，为湖泊蓄变量遥感监测提供解决方案。”
摘要：高分七号卫星（GF-7）可以获取湖岸岸坡地形数据（DSM），在无地面观测湖泊蓄变量遥感监测中具有应用潜力。但湖泊地形复杂，量化GF-7 DSM的高程精度及影响因素对开展基于GF-7 DSM的湖泊蓄变量遥感监测应用具有重要意义。为验证湖岸岸坡GF-7 DSM高程精度，基于青海省9个湖泊岸坡高精度实测地形数据，分析了湖岸岸坡GF-7 DSM高程精度、稳定性及其高程相对精度的主要影响因素。结果表明，湖岸岸坡GF-7 DSM存在系统误差，高程绝对精度较差，具有显著地形相关性，其高程相对精度较高，高差绝对误差总体小于1.7 m，当坡度小于15°时，高差绝对误差小于1.5 m，而后随坡度增大精度下降；利用实测高程对GF-7 DSM进行修正，可以显著提升高程绝对精度，高程误差整体小于0.85 m，最大高程中误差小于1.4 m，高程相对精度总体优于1.25 m，最大误差小于1.6 m，修正后的湖岸岸坡GF-7 DSM无明显地形相关性。GF-7 DSM高程相对精度主要受基准点坡度及坡度变化共同影响，其中坡度变化是主要影响因素，二者权重分别为0.019和0.047。同一地点不同时相的GF-7 DSM之间具有极强的相关性，R2高于0.98，通过相对修正能够极大地削弱不同时相GF-7 DSM的系统误差，使得多景GF-7 DSM通过拼接融合可用于大型湖泊蓄水量变化遥感监测，从而在无地面观测湖泊蓄水量变化遥感监测中具有极大应用潜力。关键词：GF-7 DSM;精度验证;地形相关性;影响因子;青海省;实测地形;湖岸岸坡31|56|0更新时间：2025-10-28 -
摘要：高分辨率土壤湿度数据是农作物生长监测和干旱预测的重要参考，准确获取其时空分布和变化信息对保障农业生产管理和粮食安全具有重要意义。现有全球土壤湿度数据产品多以被动微波数据为主，分辨率较粗（≥3 km），无法满足田间尺度监测应用。合成孔径雷达（SAR）已被广泛应用于土壤湿度反演研究，但受植被覆盖、地表粗糙度及现有散射模型不精确等因素的影响，反演精度不足，尚未成熟应用于全球高分辨率土壤湿度产品制图。本文在alpha近似模型和时间序列变化检测土壤湿度反演算法框架下，提出通过引入粗分辨率被动微波土壤介电常数约束来提高SAR高分辨率土壤湿度反演精度。同时，采用入射角归一化处理来改善SAR土壤湿度反演结果的空间连续性。本文利用2022年1至12月日欧洲航天局Sentinel-1卫星SAR影像和美国国家航空航天局（NASA）SMAP 9 km日值（SPL3SMP_E）土壤湿度数据，将该算法应用于中国黄淮海平原农业区（Huanghuaihai Plain Agricultural Area）月尺度土壤湿度反演与制图。为验证本文算法的有效性，研究将2022年1至9月SMAP被动微波数据与MODIS地表温度降尺度1 km分辨率土壤湿度数据产品作为地面真值数据，对算法结果进行精度分析和评价。实验结果显示，本文算法在黄淮海平原农业区土壤湿度制图精度均方根误差0.04 ≤ RMSE ≤ 0.16
模型与方法
- 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