最新刊期
2025 年 第 29 卷 第 11 期
-
摘要：基于机器学习的滑坡易发性评价常受制于空间地理信息样本数据集精度及模型对成灾机制的拟合能力，导致高风险等级的误判与漏判问题较为显著。四川省西部泸定9·5地震灾区次生滑坡多发频发，高度发育的植被导致遥感解译滑坡编目精度受限，严重影响灾后滑坡易发性评价的准确性。为此，本研究在既有历史滑坡编目数据的基础上融合LT-1升/降轨时序InSAR地表形变监测结果，以提升滑坡空间分布基础数据的现势性和准确性。随后，选用梯度提升决策树GBDT（Gradient Boosting Decision Tree）和极致梯度提升XGBoost（Extreme Gradient Boosting）两种基学习器构建Stacking（GBDT-XGBoost）异质集成学习模型开展滑坡易发性评价，并结合预测精度对比分析完成模型和算法的优化选取，最终实现精确可靠且更具时效性的滑坡易发性评价与制图。后实验选取2023年—2024年新进获取的升/降轨LT-1卫星时序SAR影像数据集，通过Stacking InSAR技术提取地表形变速率场，并结合高分二号卫星影像进行滑坡综合解译探明新生滑坡36处，扩充了历史滑坡编目数据集。在此基础上，结合3类既有机器学习模型开展滑坡易发性预测，对本研究提出的异质集成学习模型进行精度与性能对比分析结果表明：在LT数据集探测滑坡信息的支持下，各模型的预测性能和精度均得到了提高。其中，Stacking（GBDT-XGBoost）模型较既有机器学习模型具有更好的预测性能和精度（AUC为0.965、准确率90.92%、精确度91.06%、召回率91.06%以及F1得分为0.911），且与已探明的滑坡空间分布与异质集成学习模型的高风险区预测结果更为吻合。综上，本研究提出的滑坡编目方法及滑坡易发性评价模型有助于提升滑坡风险评估的准确性和现势性，可为相关区域防灾减灾及科学重建规划提供参考。关键词：遥感;陆探1号;泸定地震;滑坡解译;异质集成学习;滑坡易发性评价0|0|0更新时间：2025-12-04 -
摘要：深度学习以其强大的特征学习及非线性建模能力，已经在合成孔径雷达干涉测量InSAR（Interferometric Synthetic Aperture Radar）相位滤波领域得到广泛应用。但在高噪声与条纹密集区域，现有方法仍然难以兼顾噪声抑制与相位信息细节保留。为此，本文提出一种融合自适应增强与动态筛选机制AASTM（Adaptive Augmentation and dynamic Screening-based Technique Module）的多尺度InSAR相位滤波方法。该模型基于U-Net网络构建了多尺度特征提取与逐层融合框架，并在不同尺度中插入AASTM模块，对干涉相位特征进行自适应增强与动态筛选，以实现相位细节保留与噪声抑制的平衡；此外，本文采用菱形——方形构网法生成涵盖高噪声与条纹密集场景的模拟训练数据集，进一步提升网络模型在复杂场景下的鲁棒性与泛化能力。利用模拟数据及陆探一号（LT-1）A/B双星SAR数据对本文所提方法的滤波效果进行实验验证，并与现有滤波方法相比。结果表明：在模拟数据上，本文提出方法较其他滤波方法均方根误差平均降低约20%，结构相似性指数提高约18%，峰值信噪比提高约5%，尤其是在高噪声及密集条纹区域，本文提出方法具有更好的相位边缘与细节保留能力；在LT-1 A/B实测数据上，本文提出方法残差点去除率高达90.42%，且能更好的保留相位细节信息。综上，本文提出方法的滤波精度明显优于其他方法，且在密集条纹区域有更好的相位分辨率和细节保留能力，可为LT-1 A/B数字高程模型精确反演提供更为可靠的技术支撑。关键词：深度学习;合成孔径雷达干涉测量;相位滤波;自适应增强;动态筛选0|0|0更新时间：2025-12-04 - “陆地探测一号01组A/B双星研究取得进展，专家设计了多头多分支卷积神经网络及损失函数，验证了利用双极化数据兼顾高分辨率、大幅宽、全极化的可行性。”
摘要：陆地探测一号（LT-1）01组A/B双星作为中国首个民用L波段分布式合成孔径雷达（SAR）卫星系统，有望进一步推动中国雷达数据产品的应用普及化。LT-1主要支持的双极化模式能够保持高分辨率和大幅宽成像，然而与全极化观测系统相比，LT-1缺失了部分极化信息，不利于土地精细分类等应用。因此，本文面向LT-1常用的两种双极化组合，设计了多头多分支卷积神经网络及损失函数，旨在以双极化数据输入复原缺失的极化信息，从而实现LT-1全极化SAR数据重构。考虑到极化、空间特征互补性与幅度、相位数据特性差异，本文采用不同分支网络分别提取像元级的极化信息和局部感知野内的空间信息，并通过两个输出头独立预测幅度、相位值以降低输出阶段数据间的串扰风险，同时提出了顾及相位周期性的幅度/相位组合损失作为优化目标指导重构网络训练。基于LT-1在英国城镇区域获取的两景全极化影像，对本文方法进行了重构质量和地物分类实验验证。验证结果表明，本文方法的幅度项预测误差为1—2 dB、相位项预测误差低于0.5 rad，优于参数规模相当的UNet模型重构精度，且重构数据与真实数据的统计分布和极化分解效果基本一致，全极化信息得以良好保持；与利用真实双极化、真实全极化数据的分类结果相比，利用本文方法生成重构全极化数据后再进行地物分类，总体精度与后者相当且比前者提高了约5%。本文初步验证了利用LT-1双极化数据兼顾高分辨率、大幅宽、全极化的可行性，可为SAR土地覆盖/利用分类等应用提供更为丰富的输入信息。关键词：合成孔径雷达;陆地探测一号;双极化;全极化;卷积神经网络;土地分类142|94|0更新时间：2025-12-04 - “中国自主研制的陆地探测一号01组A/B卫星数据，为城区建筑物变化检测提供新解决方案，验证了其在城市规划和违建查处等领域的应用潜力。”
摘要：城区建筑物变化检测是土地利用、资源管理和城市规划的重要内容，然而我国南方地区常年受云雾雨天气影响，光学影像难以发挥作用，中国自主研制的陆地探测一号01组A/B卫星（LT-1A/1B）具有高分辨率、短重返周期、多极化、全天时、全天候等优势，可作为光学影像的重要补充，在变化检测领域有较强的应用潜力。本文基于LT-1数据，提出一种融合多时相合成孔径雷达（SAR）幅度特征和相干性信息的城区建筑物变化检测算法，该算法通过建筑物识别、色域分割和相干性变化约束，将多时相影像像素值变化与建筑物变化情况对应，从而获取城区建筑物变化区域并定位建筑物变化时段。本文以珠海市横琴镇局部地区为例展开实验，利用2023年6月23日—11月14日共5景LT-1升轨影像得到研究区建筑物变化检测结果；同时借助工程项目施工情况对横琴镇东北部及中部的建筑物变化检测结果进行验证，结果显示8处典型区域内共19处建筑物变化情况均与项目施工周期吻合，验证了本文算法的可靠性。本研究证实了LT-1数据在变化检测领域的应用能力和价值，在城市规划和违建查处等领域具有广泛应用前景。关键词：SAR;建筑物变化检测;幅度;色域分割;相干性155|288|0更新时间：2025-12-04
陆探一号干涉SAR系统应用
-
海岸带遥感研究综述：进展、机遇和挑战 AI导读
“海岸带遥感研究进展，分析了国内外现状，探讨了科学技术问题，明确了机遇与挑战，讨论了未来发展方向。”
摘要：海岸带是陆地、海洋、大气相互作用的地球生态关键带，汇集了大量的物质和能量，正经历着高强度人类活动、全球气候变化和物种入侵的叠加影响，面临着前所未有的挑战。遥感科学与技术是全面、系统、深入监测海岸带资源、生态、环境的有效手段。本文从海岸带独特性和遥感技术优势出发，借助Web of Science和CNKI数据库，分析了海岸带遥感国内外研究现状，探讨了海岸带遥感所面临的科学技术问题，综述了研究进展，明确了机遇与挑战，讨论了未来发展方向。本文可为科学认识海岸带遥感中存在的问题，把握海岸带遥感发展方向提供参考。关键词：海岸带遥感;科学问题;传感器设计;地物与电磁波交互作用;信息提取;参数定量遥感反演;多领域交叉;机遇与挑战647|1909|0更新时间：2025-12-04 -
人工智能海岸带遥感进展 AI导读
“在海岸带遥感领域，AI技术与深度学习模型的结合，推动了水淹监测、水边线提取等应用的发展，为解决实际问题提供新方案。”
摘要：过去40年间，遥感技术取得了长足进步，使海岸带观测达到了前所未有的深度，并进入了大数据时代。如何有效地处理与精确分析海岸带遥感大数据，以解决实际问题，依然是一个重大挑战。近年来，人工智能（AI）技术蓬勃发展，出现了许多深度学习（DL）模型，并广泛应用于大数据分析和实际问题的解决。AI技术与海岸带遥感的结合促进了海岸带多个应用领域的进展，为社会创造了许多便利和价值。本文综述了AI技术在海岸带遥感中的关键性应用进展，重点讨论了在水淹监测、水边线提取、筏式海洋养殖区监测、绿潮监测、滨海湿地监测的应用及高效模型的开发。最后，文章对AI在海岸带遥感未来应用的发展趋势进行了展望和分析。关键词：海岸带遥感;人工智能;图像处理;水淹监测;水边线提取;筏式海洋养殖区监测;绿潮监测;滨海湿地监测214|524|0更新时间：2025-12-04 - “滨海湿地互花米草治理取得新进展，专家提出基于卫星影像的清除状态和治理方式识别方法，为湿地管理决策提供重要参考。”
摘要：入侵植物互花米草治理是滨海湿地生态保护和修复的重要内容。当前，沿海多省陆续实施互花米草治理工程，治理方式包括物理清除和化学清除；前者起效快但易复发，后者成本低但对环境有潜在负面影响。及时监测互花米草清除动态并识别清除方式对于互花米草治理工程实施成效评价以及环境影响评价十分重要。本文以浙沪滨海湿地互花米草分布区为研究区，提出了一种基于时序光学卫星影像的互花米草清除状态和治理方式识别方法（未清除/物理清除/化学清除），并提取物理清除日期。首先融合Sentinel-2 MSI和Landsat 8 OLI影像，构建时序光谱指数数据集，采用滑动窗口和基于规则的判别方法识别治理影响时段，判断清除状态；随后利用随机森林方法对治理方式进行分类，最终得到未清除、物理清除和化学清除三种类别，并进一步识别物理清除的日期。结果表明，本方法对清除状态和清除方式的分类精度较高，总体精度达到98.8%，Kappa系数为0.979；物理清除日期检测的平均绝对误差天数为3.91 d，准确度为93.67%。2023年，上海市和浙江省的互花米草清除率分别为4.2%和62.7%。本研究提出的互花米草治理方式识别和动态监测方法对于滨海湿地管理决策具有重要参考意义。关键词：光学遥感;物种入侵;时间序列分析;湿地修复;植被动态144|457|0更新时间：2025-12-04 -
摘要：湿地作为连接陆地和水生生态系统的重要纽带，承载着关键生态服务并对于维持生物多样性具有不可或缺的作用。然而，岩溶湿地复杂的植被垂直重叠现象和特殊的水文条件使其植被分布难以有效监测，制约了对湿地生态的进一步了解。为解决这一问题，本文以桂林市会仙喀斯特国际重要湿地为研究区，提出并实践一种基于LiDAR点云语义分割的3D植被制图分析方法。该方法使用深度学习点云语义分割算法开展湿地植被精细3D制图，并基于制图结果量化各种植被的体积分布、邻水距离和淹水频率，以揭示植被分布与湿地水文之间的关系。研究结果表明：（1）DWS-KP-FCNN算法能够基于LiDAR点云精确识别和区分多种植被类型，并通过后处理方法有效解决植被重叠与水体识别问题，生成类别精细、精度高的3D植被分布图；（2）绘制了湿地植被沿邻水距离和淹水频率梯度的单位体积分布，清晰地揭示了植被分布与水文梯度之间关系；（3）将研究区按邻水距离和淹水频率划分为多个具有不同植被分布模式的空间分区，揭示了不同水文环境中植被群落的空间分异，为湿地生态系统的精细化管理提供了数据支持。上述结论证明，基于LiDAR点云语义分割的3D植被制图分析方法为岩溶湿地植被提供了一种高效、精确、全面的遥感监测手段，具有重要的生态保护和管理应用价值。关键词：岩溶湿地;无人机LiDAR;3D植被制图;点云语义分割;深度学习;植被分布规律0|0|0更新时间：2025-12-04 - “在海陆交接区域，记者报道了一种基于机载海洋激光雷达的海陆混合波形识别方法，为提取水边线位置提供新方案。”
摘要：在海陆交接区域，激光光斑中可能同时存在海洋和陆地，从而产生海陆混合波形。如果能准确识别出海陆混合波形，则可以利用这些混合波形来提取水边线的精确位置。本文顾及海陆混合波形的存在，提出一种基于机载海洋激光雷达AOL（Airborne oceanic LiDAR）红外激光的海陆混合波形识别方法，并进一步提出利用海陆混合波形的水边线提取方法。首先，综合提取AOL红外激光全波形特征并进行特征降维；其次，对AOL波形进行模糊分类，得到隶属度矩阵，根据Otsu最大类间方差法确定海陆混合波形；再次，利用DBSCAN密度聚类算法对误分类的海陆混合波形进行识别和剔除；然后，结合海陆混合波形对应激光点的位置信息，利用PAEK平滑算法得到水边线位置信息。最后，对激光雷达方程进行扩展，给出红外激光海陆混合雷达方程的表达形式，并采用雷达方程理论分析和实测波形数据验证相结合的方式对海洋、陆地、海陆混合波形进行差异分析，为红外激光光斑内海陆并存引起的海陆混合波形研究提供理论基础。利用Optech CZMIL系统采集的实测AOL数据集验证了本文红外激光海陆混合波形法以及海陆混合雷达方程的正确性和有效性。与传统的AOL高程阈值法相比，本文提出的AOL混合波形法将水边线提取偏差的均值和标准差分别降低了24.07%和9.76%，SSIM指数提高了0.031，为AOL潮滩水边线提取提供了一种全新方式。关键词：机载海洋激光雷达;红外激光;海陆波形分类;海陆混合波形;潮滩水边线236|391|0更新时间：2025-12-04 - “黄河口湿地盐沼物候监测研究取得新进展，面向对象的影像分析方法有效降低椒盐噪声，为高分辨率物候提取提供解决方案。”
摘要：盐沼植被物候的准确监测对“蓝碳”生态系统碳循环研究至关重要。高时空分辨率的卫星遥感技术使得精细化的植被物候监测成为可能，但同时也不可避免地存在“椒盐噪声”。本研究以黄河口湿地为研究区，结合高时空分辨率遥感数据和面向对象方法，开展滨海盐沼物候监测研究。首先基于吉林一号影像进行多尺度分割，提取盐沼植被对象。随后以对象为基本单元，基于时序PlanetScope影像，采用S-G（Savitzky-Golay）滤波、Double-logistic模型以及动态阈值法提取物候参数，获得生长季开始日期（SOS）、生长季结束日期（EOS）以及生长季长度（LOS），并从时序NDVI拟合精度、物候参数提取结果的空间异质性以及与物候相机观测的一致性3方面开展结果评价。结果表明：（1）相比像元尺度，基于对象的时序NDVI拟合均方根误差（RMSE）、平均绝对误差（MAE）、以及平均绝对百分比误差（MAPE）均较低，RMSE<0.05、MAPE<15%和MAE<0.035的区域面积分别增加了11.46%、12.93%和10.72%，表明基于对象的时序NDVI拟合精度更高。（2）基于对象和基于像元的物候参数提取结果在空间分布上较为一致，二者都能体现盐沼植被物候的空间异质性，但基于对象的物候参数在空间上更为平滑，有效缓解了像元级物候参数在小尺度上的变异性。利用半方差函数量化局部物候参数的空间异质性，发现基于对象的物候参数所得的块金值（C0）和偏基台值（C）明显低于基于像元的物候参数所得的结果。（3）基于对象的物候参数与物候相机获取的物候参数具有较高的一致性（SOS一致，EOS、LOS仅相差一天），而对象内像元的物候参数存在较大的差异。本研究表明，面向对象的影像分析方法有效降低了高分辨率遥感影像带来的椒盐噪声，在盐沼湿地高分辨率物候提取方面具有良好的应用潜力。关键词：盐沼湿地;物候;吉林一号;PlanetScope;高分辨率238|543|0更新时间：2025-12-04 -
摘要：海岛具有独特的地理特征和生态系统。剖析海岛固碳量的演变趋势，对于指导“低碳海岛”和“生态海岛”建设意义重大。本文利用GF-1和Sentinel-2多光谱卫星影像提取长岛植被类型，结合地形地貌分区，采用固碳速率法计算2015年—2022年植被固碳量，分析其变化特征，并探究植被碳汇能力提升的影响因素，评估造林增汇潜力。结果显示：（1）2015年—2022年长岛植被面积整体呈现退缩趋势；黑松纯林和针阔混交林面积减少，而刺槐纯林和灌草丛面积增长；北五岛南部植被面积退缩趋势显著，大量灌草丛变为非林草区，是植被退化的主要表现。（2）长岛植被年际固碳量呈现波动上升趋势，空间格局则呈现“多核式增长、条带式减弱”的特征；不同岛屿植被固碳量时间变化拐点具有显著的南北差异；植被“稳定区”固碳能力持续增强，固碳量变化的拐点在2016年和2019年；植被固碳量存在较显著的高程和坡度分异。（3）松材线虫病扩散、极端气候事件发生、干旱胁迫及树龄老化等环境问题是影响长岛固碳变化的主要因素；长岛造林适宜性分值区间为17.96—81.98，优先造林区以北五岛为主。本研究可为长岛国际“零碳岛”愿景提供理论依据与数据支持。关键词：海岛城市;植被类型;固碳量;增汇潜力;长岛0|0|0更新时间：2025-12-04 -
摘要：基于长时序遥感影像样本的生成方法，对于实现地表覆盖分类、监测地表变化趋势和分析土地利用状况至关重要。然而，传统监督分类方法通常需要标注大量样本，导致地表覆盖分类任务的时间和人力成本高昂，同时也限制了分类精度与可靠性。针对该问题，本文提出基于样本自动增广与自适应迁移联合的长时序遥感影像样本生成方法，旨在实现样本“一次标注，多次复用”，减少样本标注并提升长时序大场景遥感影像分类效率。具体思路为：首先利用局部聚类增强筛选潜在样本像素点，通过度量其光谱特征相关性确定增广样本；其次，基于临近时相影像之间的变化分析，通过域间相似性规则来筛选符合迁移规则的样本。本方法基于杭州湾区域2013年—2022年Landsat8 OLI时间序列影像开展验证实验，结果表明：（1）本文提出的样本自动增广策略，可以有效增强样本质量与数量，并提升分类效果与精度；（2）本文提出的样本自适应迁移策略，可以有效实现同一地区、不同时相影像的样本迁移，避免了逐年标注样本，有效提高了样本生成效率和样本质量；（3）基于支持向量机SVM（Support Vector Machine），k近邻KNN（k-nearest neighbor）等不同分类器的应用表明，本文方法的增强样本与迁移样本对多种分类器具有普适性。关键词：样本生成方法;地表覆盖分类;样本自动增广;样本自适应迁移;杭州湾;长时序遥感影像0|0|0更新时间：2025-12-04
海岸带遥感
-
摘要：溢油是海洋环境监测的重要对象之一，光学影像具有丰富的信息维度，为不同溢油污染类型的识别分类与量化估算提供重要的技术支撑。单颗光学卫星监测海面溢油存在传感器时空分辨率不足、波段设置有差异，影像易受干扰等限制，而不同卫星光学传感器的监测能力又不尽相同，需多源卫星光学数据联合工作，提升对海洋溢油的监测效能。本研究以2019年—2023年海洋一号C/D（HY-1 C/D）卫星搭载的海岸带成像仪CZI（Coastal zone imager）对中国近海溢油的观测数据为基准，建立GF-1/6 WFV（Wide filed of view）、HJ-2A/B CCD（Charge-coupled device wide-field imager）、Sentinel-2 MSI（Multi-spectral instrument）、Landsat 8 OLI（Operational land imager）与Aqua/Terra MODIS（Moderate-resolution imaging spectroradiometer）等卫星准同步光学遥感数据集，进一步从载荷探测能力、有效数据覆盖率和溢油量化估算能力等方面开展评估，旨在厘清多源卫星光学遥感数据对中国近海溢油的监测应用效能，促进未来中国近海溢油污染的精细化监测应用。分析结果表明：（1）不同卫星光学传感器探测海洋溢油的关键性能参数是空间分辨率，卫星光学载荷的近红外和短波红外波段则是开展乳化溢油（油包水与水包油状乳化油）分类、解混与估算的必要条件；（2）HY-1C/D卫星CZI传感器的组网观测，显著提高了中国近海溢油事件的光学影像覆盖能力，海洋溢油的有效监测数据是其他光学卫星的4倍以上；（3）在溢油污染量化评估方面，以Sentinel-2 MSI的量化能力为参考，国产光学卫星数据能获取可靠的溢油识别与分类结果（R2>0.8），但由于载荷波段设计差异，在溢油量化估算能力上有局限。受海面溢油混合像元的影响，光学遥感图像中溢油像元面积的估算，其不确定性主要受传感器空间分辨率影响，较粗的空间分辨率会产生较大的溢油像元面积估算偏差。本文还通过案例分析，表明多源卫星光学遥感联合工作，能清晰刻画海洋溢油污染的时空分布与发展，提高海洋溢油精细化监测应用水平。关键词：海洋溢油;乳化溢油;光学遥感;海洋一号C/D;中国近海;监测效能0|0|0更新时间：2025-12-04 - “本报道聚焦湖泊富营养化监测，研究了三种营养状态遥感估算方法，为湖泊环境管理提供重要参考。”
摘要：有效开展湖泊富营养化监测是准确掌握湖泊生态动态、严格控制湖泊环境污染的重要手段。判别湖泊营养等级、定量湖泊营养状态对湖泊富营养化遥感监测具有重要意义。针对中国湖泊空间异质性高、评价标准难以统一的问题，本研究聚焦营养状态指数TSI（Trophic State Index），结合多类型湖泊全覆盖星地同步数据，全面评估了3种面向全国湖泊开发的营养状态遥感估算方法：水色指数算法FUI（Forel-Ule Index）、吸收系数算法atw（Total Non-water Absorption）与藻类生物量算法ABI（Algal Biomass Index）在高浑浊富营养浅水湖泊与贫营养内陆深水湖泊的监测精度，定量了算法在宽波段卫星与多光谱卫星的性能差异。结果表明，FUI算法对富营养水体具有很好的识别精度，对传感器波段设置要求较低（可见光波段），仅能提供定性判断；atw算法对中营养水体具有很好的识别精度，同时需要较高的传感器波段设置和精确的大气校正；ABI算法提供了可靠的富营养化评估，对不同等级的卫星遥感产品数据具备较好的稳定性，但依赖于短波红外以实现水体粗分类（浑浊、清洁水体）。ABI算法在Landsat 8与Sentinel-3的总体精度分别为71%与73%，优于atw（56%与63%）和FUI（49%与52%）。本研究可推动区域湖泊营养状态监测数据共享，为规范湖泊富营养化遥感监测手段、实现跨境湖泊环境管理提供重要参考价值。关键词：湖泊富营养化;营养状态;水色指数;吸收系数;藻类生物量;大气校正;水体分类96|59|0更新时间：2025-12-04 - “新疆光伏电站分布及植被影响研究取得新进展，基于深度学习模型筛选出最优识别方案，为光伏选址和生态评估提供数据支持。”
摘要：新疆维吾尔自治区拥有丰富的土地和光热资源，随着对可再生能源的需求增加及光伏技术的发展，新疆光伏电站装机容量位居全国前列。实时、准确识别光伏电站分布及其对周围植被空间聚集度的定量化结果可为新疆太阳能光伏选址提供数据及决策支持。本研究基于3种架构（UNet、PSPNet、DeepLabV3+）和4种骨干网络（ResNet-34、ResNet-50、ResNet-101、ResNet-152）相结合、DeepLabV3+骨干网络替换为MobileNetV2、DarkNet53、VGG16、Dense121不同组合的深度学习语义分割模型，筛选最优光伏电站识别模型，以提取新疆地区光伏电站的空间分布。同时，为探究光伏电站建设对所在地区植被空间聚集度的影响，计算光伏电站周边从30—600 m等间隔分段的缓冲区内时间序列植被全局莫兰指数。结果表明：（1）基于UNet-ResNet50模型的光伏电站识别效果最优，准确率（Accuracy）为98.64%（>0.09%）、F1分数（F1-score）为95%（>0.4%）以及交并比（IOU）为90.47%（>0.57%），该模型优异的识别效果主要源于高质量的光伏样本集以及模型在特征提取和深度平衡方面的卓越表现。（2）利用Sentinel-2遥感影像和UNet-ResNet50模型提取了2020年新疆光伏电站，并将其划分为植被光伏和裸地光伏2类，发现其面积占比分别为30%和70%。（3）距离光伏电站30—210 m不同等间距缓冲区，植被全局莫兰指数在2012—2020年均呈显著下降趋势；距离光伏电站210—600 m缓冲区，植被全局莫兰指数下降趋势明显减缓。距离光伏电站越近，植被空间聚集度受光伏电站影响越大，时间序列的下降趋势越明显。综上，开展光伏电站及其周围缓冲区的遥感监测，可为光伏电站的建设规划、精细化运营管理及其对生态环境的影响评估提供数据和技术支持。关键词：光伏电站;语义分割模型;植被空间聚集度;全局莫兰指数544|602|0更新时间：2025-12-04
生态与环境
- “环境减灾二号05/06卫星成功组网，通过积分法和交叉辐射定标方法，有效获取了条带模式多个波位的绝对定标常数，为定量化应用提供基础。”
摘要：环境减灾二号06星于2023年8月9日成功发射，与2022年10月13日成功发射的环境减灾二号05星组网运行。环境减灾二号05/06卫星是国家民用空间基础设施中的S波段合成孔径雷达SAR（Synthetic Aperture Radar）卫星。作为遥感业务星，辐射定标是环境减灾二号05/06卫星定量化应用的基础和前提。在轨测试期间，在内蒙古苏尼特右旗定标场对环境减灾二号06星条带模式进行了辐射定标，本文利用积分法对获取的数据进行绝对定标常数计算。为减小随机误差的影响，对卫星各波位绝对定标常数进行了统一分析，并利用亚马逊雨林入射角归一化的后向散射系数进行了检验。此外，由于受到卫星重访周期和在轨测试时间的限制，很难同时进行定标和验证，本文提出了利用点目标进行环境减灾二号05星和06星交叉辐射定标的方法，该方法的依据为卫星星座间相同波位进行观测时获取点目标的雷达散射截面积差异可忽略，通过提取卫星星座间点目标的能量差计算被定标卫星的绝对定标常数，最后利用澳大利亚昆士兰州角反射器形成的点目标对交叉辐射定标方法进行了验证。结果表明，基于积分法有效获取了环境减灾二号06星条带模式多个波位的绝对定标常数，波位间绝对定标常数不超过1.42 dB，波位内绝对定标常数不超过0.53 dB，优于设计值2.00 dB。利用环境减灾二号05星的绝对定标常数对环境减灾二号06星进行交叉定标，单个波位精度优于1.33 dB，各波位交叉定标结果平均后，与相同极化辐射定标的平均值相差0.38 dB，说明交叉辐射定标可作为补充手段对SAR外场定标结果进行验证，并且随着频次的增加交叉辐射定标的结果趋于稳定，各波位交叉定标结果取平均后，随机误差明显减小。另外，交叉辐射定标对保证卫星星座间SAR载荷辐射一致性具有重要意义。目前地面处理系统已将绝对定标常数更新，为进一步的应用测试奠定了基础。关键词：环境减灾二号卫星05和06星;辐射定标;积分法;交叉辐射定标;点目标363|192|0更新时间：2025-12-04 -
基于多模态一致性的遥感影像去云 AI导读
“在光学遥感影像处理领域，Cloud-Harmonizer去云方法利用SAR与光学影像的互补性，有效修复云区信息，为多模态遥感数据融合应用提供有益参考。”
摘要：云层遮挡是光学遥感影像处理中长期存在的挑战，传统去云方法常难以全面恢复被遮挡区域的细节信息，影响影像质量。为应对这一问题，本文提出了一种基于多模态特征一致性融合（Cloud-Harmonizer）的去云方法，充分利用SAR与光学影像在地物特征表征上的互补性和一致性，实现云区信息的有效修复。该方法由3个核心模块组成：多模态特征一致性模块MFCM（Multi-modal Feature Consistency Module）用于对齐光学与SAR特征，捕捉并生成云层区域的差异性注意力；一致性约束补偿模块CCCM（Consistency-Constrained Compensation Module）根据差异性注意力引导SAR数据补偿光学影像的缺失特征；多模态协同自适应融合模块 MCAF（Multi-modal Collaborative Adaptive Fusion Module）通过自适应融合策略进一步整合两模态特征，提升整体修复效果。在SEN12MS-CR数据集上的实验结果表明，该方法在PSNR、SSIM和SAM指标上分别取得了30.0408、0.9004和7.6068的优异表现，优于当前先进方法。实验结果表明，本文方法在云层去除和特征修复方面展现出较强的潜力，为多模态遥感数据的融合应用与去云技术的发展提供了有益参考。关键词：遥感图像去云;多模态数据融合;多模态特征一致性515|929|0更新时间：2025-12-04 - “在遥感图像语义分割领域，专家提出了基于去纠缠的模型，有效提升了分割性能，为解决地物光谱混淆问题提供新方案。”
摘要：遥感图像具有目标尺寸差异显著、背景复杂多变的特点，存在地物光谱混淆和特征边界不清晰等现象，这增加了语义分割任务的难度。针对不同光照条件下遥感图像目标由于特征相互依赖而导致的语义分割困难问题，本文提出了一种基于去纠缠的遥感图像语义分割模型，该模型由光照反射去纠缠网络（LRD-Net）和多模态语义分割网络（MSS-Net）构成。首先，基于Retinex理论设计LRD-Net网络用于分解光学图像中的光照和反射特征，通过权重共享Transformer（WS-Transformer）提取目标的全局和局部特征；其次，引入多尺度噪声模块对光照分量进行自适应增强以提高模型的去纠缠能力，通过显著特征强化模块（SE）突出不同分量特征之间的差异信息；最后，使用边缘特征提取模块（EE）提高遥感目标的边缘识别能力，并通过多模态语义分割网络（MSS-Net）融合光照特征和反射特征提升语义分割性能。在通用数据集ISPRS Vaihingen和ISPRS Potsdam上评价指标mIoU分别达到84.60%和87.42%。实验结果表明，本文提出的模型在遥感图像语义分割任务中优于其他模型。关键词：语义分割;图像分解;Retinex理论;Transformer282|526|0更新时间：2025-12-04 - “在机载LiDAR点云分割领域，研究者提出了LAE-Transformer网络，有效提升了小尺度目标分割精度，为该领域研究提供了新方向。”
摘要：针对现有机载LiDAR点云深度学习分割算法难以充分利用地物局部拓扑信息，不同尺度的特征表达能力较弱，小尺度标分割效果不够理想的问题，本研究提出了一种融合局部感知增强的机载LiDAR点云分割网络LAE-Transformer（Local-Aware Enhanced Transformer）。首先，通过提取浅层拓扑特征构建点云局部几何结构图，增强模型对地物细节的捕捉能力；随后，串连下采样与区域点联合Transformer模块提取点云深层特征，增强模型在多尺度下的特征感知能力；最后，在上采样过程引入动态残差连接，自适应地融合不同感受野下的关键信息；此外，构建了基于注意力池化与最大池化的混合池化层，弥补信息损失的问题。通过DALES点云数据集和LASDU点云数据集的测试本文提出结果表明，本文网络的总体精度（OA）与平均交并比（mIoU）分别达到97.8%与80.8%以及87.2%与68.5%，其中DALES数据集中的卡车、电线杆和围栏等小尺度目标的交并比（IoU）则分别达到了42.1%、75.4%和63.8%，优于其他大部分主流网络，验证了本文网络在机载LiDAR点云分割中的可靠性。关键词：机载LiDAR点云;深度学习;语义分割;自注意力机制;局部感知增强;复杂场景;小尺度目标;Transformer132|93|0更新时间：2025-12-04 - “在遥感图像语义分割领域，专家提出了基于三分支集成网络的高分辨率遥感图像语义分割算法，有效提高了遥感图像分割的准确率。”
摘要：深度语义分割对高分辨率遥感场景理解至关重要。遥感图像中各类别地物数量和尺度差异大，又拥有复杂的空间与语义特征，并且直接堆叠的空间和语义特征融合方式，存在没有充分挖掘图像中蕴含的丰富特征的缺点。因此，为解决特征提取针对性不足、特征利用不充分等问题，本文提出基于三分支集成网络的高分辨遥感图像语义分割算法。首先，针对空间与语义特征分别设计不同的特征提取分支，以充分利用遥感图像的空间和语义信息，增强了特征的互补性；其次，提出一致性分支的概念，旨在学习语义和空间一致性的特征，从而提高网络的分割性能；最后，提出多尺度特征融合模块对三分支特征进行加权融合，提高了模型的自适应能力。此外，本文提出一种关注空间一致性的随机采样裁剪数据增强方法，并加入了混合损失函数，解决数据集中类别数量不平衡问题，有效缓解因数据集类别样本过小而导致的过拟合问题。实验验证结果表明，本文所提算法在ISPRS Potsdam和Vaihingen数据集上的平均交并比分别达到87.84%和87.49%，证明本算法能够高效地提取并融合高分辨率遥感图像的语义和空间特征，提高遥感图像分割的准确率。关键词：高分辨遥感图像;语义分割;多尺度融合;数据增强;多分支特征提取;空间一致性159|288|0更新时间：2025-12-04
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