最新刊期
2026 年 第 30 卷 第 6 期
-
摘要：临近空间范围的科学界定是支撑相关行业有序发展的一项基础性工作。由于历史界定标准不一，且传统界定与当前发展需求之间存在失配，临近空间的明确界定至今仍存在模糊性。本文基于连续大气环境变化及其对飞行平台的设计约束，提出临近空间“气动域（低临空间18—80 km）—过渡域（中临空间80—200 km）—摄动域（高临空间200—300 km）”三段分区框架，并耦合学科内涵、平台技术与空域管理的先验知识展开讨论。研究从自然科学视角出发，分析了临近空间覆盖从平流层到电离层F层峰值的连续大气物理与空间环境变化状况。从工程技术视角出发，通过分析各分区内典型飞行平台，揭示了18 km作为长航时飞行可行下界、300 km作为气动效应显著影响轨道飞行寿命实际上界的工程依据，阐述了临近空间飞行器合理部署空间及其在遥感等应用领域的优势。从空域管理视角出发，阐明了模型衔接现行空管体系、界定空天法律模糊地带的治理价值。本研究突破了传统卡门线的局限，为临近空间的科学研究、技术发展及规则制定等提供了科学支撑。关键词：临近空间;空间界定;自然科学;工程技术;空域管理49|7|0更新时间：2026-06-17
学者观点
-
摘要：受限于扫描幅宽和像素大小之间的权衡关系，遥感图像空间分辨率和时间分辨率存在相互制约，使得单一卫星传感器难以获取高时空分辨率遥感影像。因此，多源遥感图像时空融合技术成为解决这一难题的关键途径。然而，受限于理想物理模型和复杂现实场景的差距，传统融合方法在处理非匀质融合场景时效果不理想。深度学习的兴起带来了如卷积神经网络、扩散模型等前沿时空融合技术。为及时掌握本领域的发展前沿，本文重点分析了基于深度学习的多源遥感图像时空融合前沿技术。首先，系统梳理了传统遥感图像时空融合方法的基本原理，并深入分析了其优势与局限性；其次，按照算法原理和特点，将前沿深度学习技术分为5类进行整理，并全面总结了其在时空融合任务中的应用进展；然后，归纳并介绍了用于遥感图像时空融合的开源数据集、深度学习算法和常用的性能评估指标，并通过在CIA、DX和SW数据集上的定量与定性实验，开展了时空融合算法验证与对比分析。最后，综合各类时空融合算法的发展与实验分析结果，总结了现阶段遥感图像时空融合领域面临的主要挑战和未来潜在的发展方向。关键词：时空融合;多源遥感图像;深度学习;算法原理;技术分类;数据集0|0|0更新时间：2026-06-17 -
摘要：可见光图像和合成孔径雷达SAR（Synthetic Aperture Radar）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。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，往前依赖数据驱动的方法仍面临泛化能力不足、可解释局限等挑战。为此，已有研究提出“数据+知识”的双驱动理论框架，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，以突破单一数据驱动范式在泛化性和解释性上的瓶颈。为揭示双驱动框架在可见光和SAR图像特征提取中的技术逻辑与核心价值，本文首先系统回顾了传统特征提取方法与基于深度学习的特征提取方法，归纳这2类方法在特征提取中面临的挑战；进而深入阐述知识驱动的特征提取方法，将用于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3类，并探讨知识引导网络的训练范式。最后，展望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223|1818|0更新时间：2026-06-17
综述
-
摘要：全面掌握中国工业热源IHS（industrial heat source）高时空动态信息，对“双碳”背景下工业绿色高质量可持续发展具有重要意义。目前仍缺乏面向大区域、长时序、高时空分辨率的工业热源动态数据，对中国调结构、去产能等措施在空间上还未实现有效跟踪监测。本文利用长时序375 m分辨率的NPP VIIRS（National polar-orbiting partnership，visible infrared imaging radiometer suite）主动热异常数据ACF（active fire/hotspot data），基于改进Kmeans工业热源识别方法，结合关注点POI（point of interest）拓扑分析和不同类别厂矿的高分辨率遥感影像特征，实现了2012年—2023年中国区工业热源的识别和分类，并首次构建了该时段内带有类别属性信息的公开工业热源数据集，数据成果以矢量格式存储。本文形成的2012年—2023年中国工业热源的动态遥感监测成果，为我国积极应对“调结构、去产能”产业模式升级、碳税国内外交易、大气环境改善等可持续发展进程提供了自主的科学依据。成果显示：时间跨度扩展至2012年—2023年，结合基于POI拓扑分析的工业热源类别识别，可有效揭示不同类型工业热源在工业转型升级关键时期的时空演变规律；基于改进的Kmeans工业热源识别方法，在保证识别准确率（98.14%）的前提下，工业热源的识别数量、识别精度、平均颗粒度和空间覆盖度均得到有效提升；数据集包含厂矿位置、年际运行状况、类别等20个特征参数，完整记录了不同类型工业热源的辐射通量特征与生产活动强度，为工业碳排放估算和区域经济发展评估提供了更丰富的数据支撑。关键词：工业热源;主动式热异常数据;长时序;遥感0|0|0更新时间：2026-06-17
数据集论文
-
摘要：针对树木点云枝叶分离中存在的边界模糊、树干与枝叶点云数量显著不平衡及细粒度结构识别困难等问题，本文基于Point Transformer V3架构提出了一种改进的PTV3-BLSeg（fusion-enhanced boundary-aware Point Transformer V3 for branch-leaf segmentation）模型。该模型通过引入融合跳跃连接以增强跨层级特征传递，优化局部和全局特征的融合效果，有效提升枝叶交界区域的判别能力。为了进一步加强对枝叶边界的识别能力，设计边界增强损失函数，聚焦枝干与叶片的细粒度特征，减少类别之间的模糊过渡。为提升深层特征学习的稳定性和精度，采用深层监督机制，优化枝干特征的学习路径，推动模型的学习效率与性能提升。在Smart Tree数据集上，PTV3-BLSeg模型的整体精度达到93.33%、枝干F1分数为75.61%、树叶F1分数为96.09%，分别较基准模型（Point Transformer V3）提升1.36%、4.14%和0.85%；在内蒙古根河数据集中，PTV3-BLSeg模型的整体精度达到83.83%、枝干F1分数为60.77%、树叶F1分数为89.50%，较基准模型分别提升5.04%、12.86%和9.13%；在广西横州数据集中，PTV3-BLSeg模型的整体精度达到81.87%、枝干F1分数为71.32%、树叶F1分数为86.60%，分别提升4.49%、12.73%和1.48%，验证了其良好的泛化能力。总体而言，PTV3-BLSeg模型在树木点云枝叶分离任务中展现出显著优势，能够有效缓解树干与枝叶边界不清、类别点云数量严重失衡以及细微结构难以识别等关键难题，可为森林场景三维模型构建及林木参数精细调查提供可靠的技术支持。关键词：枝叶分离;Point Transformer V3;边界增强;深层监督;点云语义分割;跳跃连接;特征融合;三维点云0|0|0更新时间：2026-06-17 -
摘要：山地森林作为重要的陆地碳库，通过关键的气候反馈机制，对大气化学过程、景观生态功能和生物多样性产生重要影响。然而，受复杂地形与观测条件限制，山地森林树种组成及其空间分布的精细刻画仍面临挑战。以Sentinel-2为代表的陆地卫星监测技术与人工智能算法的融合，极大地革新了传统森林调查方式，为森林树种监测与精细制图提供了新的路径。本研究整合地面样点与多源遥感数据，通过谷歌地球引擎GEE（Google Earth Engine）遥感云计算平台提取2020年—2023年Sentinel-2多时相影像特征，结合JM（Jeffries-Matusita）距离建立多维特征优选方案，采用简单非迭代聚类SNIC（Simple Non-Iterative Clustering）超像素算法与机器学习方法构建最优特征的随机森林模型，实现秦巴山地树种的精细分类，并揭示其时空分异规律。结果表明：（1）地形特征是秦巴山地树种识别的重要特征，结合JM距离的多特征组合方案能有效提升特征筛选效果；（2）在有限样本、中分辨率影像和大区域条件下，基于SNIC的面向对象随机森林模型具有良好的分类性能，平均总体精度为0.837，Kappa系数为0.791，F1值均值为0.799；（3）秦巴山地栎类、松类和杉类分布广泛，其余树种呈零散分布。（4）2020年—2023年，森林面积呈轻微上升趋势，说明区域生态环境持续向好。松类与栎类对森林变化贡献度最大，面积占比小的树种转换则比较频繁。综上，本研究可为复杂山地森林生态系统的碳汇功能评估与生物多样性保护提供数据支撑。关键词：山地森林;树种识别;树种空间分布变化;遥感数据;树种时空分异0|0|0更新时间：2026-06-17 -
摘要：早期森林火灾检测方法可以及早发现火情并为救援工作争取宝贵时间，而近年来无人机遥感虽然凭借高空间分辨率和快速响应能力在早期森林火灾监测中展现出重要应用前景，但仍面临目标尺度小、背景复杂、计算资源受限等关键挑战。针对这些问题，本文提出了一种融合可见光与热红外双模态遥感图像的早期森林火灾深度学习检测模型EFFNet（early forest fire net）。该模型针对遥感成像特性与火灾目标特征进行了4项关键设计：（1）采用早期融合策略EF（early fusion）实现可见光与热红外信息的有效融合，增强模型在复杂环境下的识别适应性；（2）设计异构全局路由特征提取网络HGRNet（heterogeneous global routing network）增强多尺度感知能力并抑制关键特征丢失，降低漏检率；（3）引入特征聚合网络FAN（feature aggregation network），采用双重自顶向下融合路径提高对小型火焰与烟雾目标的定位精度；（4）设计高效半耦合检测头ESCHead（efficient semi-coupled detection head）降低模型计算复杂度与误报率。在RGBT-3M（RGB-thermal multi-scene，multi-target，and multimodal forest fire aerial photography）数据集上的实验结果表明，EFFNet的mAP50达到97.2%，查准率达94.9%，查全率达94.1%，模型参数量仅为1.84 M，计算量仅为5.6 GFLOPs。相较于当前先进目标检测模型，EFFNet在实现更高检测精度的同时，还具有轻量化和实时性优势，能够满足无人机遥感平台对早期森林火灾实时监测的应用需求。关键词：无人机;遥感图像;深度学习;目标检测;早期森林火灾;目标检测流程;数据集;性能评估指标0|0|0更新时间：2026-06-17
林业与农业
-
摘要：ICESat-2星载激光雷达测高数据具有高精度、高时效性和低成本等优势，可为城市三维模型构建提供数据基础，然而，该数据在城市区域仍缺乏系统性精度评估。鉴于此，本文首先基于ICESat-2的ATL03和ATL08产品构建了研究区结构完整的城市星载测高数据集，并依据多项参数进行高程异常值剔除和质量筛选，然后利用研究区内局部区域机载激光点云对星载测高数据在水平和垂直方向上进行了偏移校正，进而在研究区内其他区域对校正后的星载测高数据进行了精度评估，最后围绕城市地类、强弱波束、采集时间、季节、地形坡度与植被覆盖度等多因子开展了误差特征分析。结果表明研究区内ICESat-2原始测高数据存在轻微低估（ME为-0.10 m），MAE为0.67 m，RMSE为1.57 m，LE90为1.46 m，其中，建筑用地与其他用地类数据精度较低，而交通运输、建筑附属及农林用地类数据精度较高，在偏移校正处理后，星载测高数据的系统性偏差与长尾误差被有效削弱，总体数据精度明显提升（MAE为0.48 m，RMSE为1.11 m），弱波束数据与日间采集数据精度提升幅度较显著，春冬两季、低坡平坦地形及高覆盖植被区的数据精度更高。本研究发现利用局部高精度机载激光数据校正ICESat-2测高数据，可提高后者在相邻区域的精度水平，改善ICESat-2日间获取数据和弱波束数据的可用性，增加高质量光子的数量。本研究可为城市三维建模与多源数据融合提供参考。关键词：ICESat-2;星载激光雷达测高;三维空间数据;偏移校正;城市;精度评估;多因子0|0|0更新时间：2026-06-17 -
摘要：城市的快速发展和功能需求的日益变化使得城市土地利用类型更加复杂和多元，如何自动、高效地获取精细的城市土地利用信息成为当前亟须解决的问题。针对以深度学习为代表的数据驱动方法可解释性弱与样本依赖性强的局限，本文提出一种语义引导下的知识驱动城市土地利用分类方法。该方法融合遥感影像、开放街道地图OSM［OpenStreetMap，含兴趣点POI（point of interest）和兴趣面AOI（area of interest）］数据、本地气候区LCZ（local climate zones）数据及全球人类居住WSF（world settlement footprint）数据等多源数据与产品，基于EAGLE（EIONET action group on land monitoring in Europe）矩阵重构土地利用类型语义，解析出本体基元，进而提取众源数据特征、遥感指数与相关形态学指数来匹配基元的属性特征，通过基元组合与特征约束构建本体模型。在此基础上，提出一种融合“光谱+路网”的分割策略，将生成的城市土地利用同质地块作为本体推理的实例，最终通过逻辑推理判定每个地块的土地利用类型，得到分类结果。为验证方法有效性，选取土地利用高度复杂的加拿大多伦多市中心进行实验。结果表明，语义引导下的知识驱动分类结果总体精度达到87.02%，Kappa系数为0.84，不仅实现了高精度分类，融合光谱与路网的分割策略也使分类结果边界更符合实际地表情况，为城市土地利用的精准识别与监测提供了可靠且可解释的新思路。关键词：知识驱动;语义信息;EAGLE矩阵;多源数据;城市土地利用0|0|0更新时间：2026-06-17 -
摘要：改革开放以来，随着中国工业化与城市化进程的持续推进，农村地区普遍出现以“人减地增”为特征的乡村聚落无序扩张与空心化现象，这给当地土地资源的合理利用、生态环境安全、粮食安全等带来了挑战。然而现有的研究多聚焦于乡村聚落的空间格局演化及其驱动机制，对乡村聚落有序退出情景下所引发的碳储量变化仍缺乏深入探讨。黄河三角洲作为中国生态经济与农业发展的战略核心区，在环境保护政策、人口变化以及城市演化等多重因素的共同作用下，其乡村聚落格局发生了显著变化。鉴于此，本文以黄河三角洲核心区——山东省东营市为研究区，基于多源遥感数据及驱动因子数据，利用InVEST（integrated valuation of ecosystem services and trade-offs）模型分析了1987年—2023年乡村聚落变化对区域碳储量的影响，而后又耦合PLUS（patch-generating land use simulation）模型模拟并评估了2040年乡村聚落有序退出情景下区域碳储量的变化特征。研究表明：（1）1987年—2023年，尽管东营市农村人口不断减少，但乡村聚落面积总体呈现出增加趋势，累计侵占其他地类面积达223.233 km2，其中以侵占耕地为主导；（2）1987年—2023年，乡村聚落的扩张导致区域碳储量减少0.555×106 t，其中侵占耕地所引起的碳储量损失最多，为0.257×106 t，占碳储量总损失的46.31%；（3）模拟结果表明，未来情景下乡村聚落有序退出的面积可达106.275 m2，可为东营市带来约0.250×106 t的碳储量增加，其中以耕地面积增加为主导的碳储量增量为0.163×106 t，约占乡村聚落有序退出情景下碳储量增量的65.20%。总体而言，乡村聚落的有序退出有助于推动闲置土地向生态用地或耕地转化，从而增强区域碳汇能力，该过程可为黄河三角洲生态环境的保护和粮食安全提供科学支撑。关键词：碳储量;乡村聚落演化;黄河三角洲;InVEST模型;PLUS模型0|0|0更新时间：2026-06-17
城市与陆地
-
摘要：悬浮颗粒物浓度较高的近岸高浑浊水体具有强后向散射和近红外波段离水信号难以忽略的独特光学特性。这一特性显著增加了水体—大气耦合辐射传输的复杂性，导致在分离大气程辐射与水体离水辐射时精度严重下降，成为制约高浑浊区域水质参数定量遥感反演精度的主要障碍。传统的高浑浊水体的大气校正算法往往是基于短波红外、紫外等通道的数据外推求解气溶胶散射，并在此基础上进行大气校正实现水体遥感反射率（ -
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SAR（Synthetic Aperture Radar）星载卫星多时相观测数据，利用500 m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 km，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159|689|0更新时间：2026-06-17 -
摘要：星载全球导航卫星系统反射测量GNSS-R（Global Navigation Satellite System Reflectometry）作为一种新兴的业务化遥感技术，已广泛应用于海面有效波高SWH（Significant Wave Height）观测。现有的研究表明，该技术在中低海况下有效波高反演已取得较高的精度；在高海况下由于数据饱和以及反演特征提取不充分，限制了高海况反演精度的进一步提升。为此，本文基于星载GNSS-R数据，提出了一种高海况有效波高反演方法。该方法基于卷积神经网络—门控循环单元CNN-GRU（Convolutional Neural Network- Gated Recurrent Unit）模型，利用CNN提取延迟多普勒图DDM（Delayed Doppler Map）的空间特征，利用GRU提取一维参数的时间特征，将空间特征和时间特征进行拼接，通过全连接网络FCN（Fully Connected Network）融合为综合特征，最终得到有效波高值。为评估CNN-GRU模型的性能，使用校准后的ERA5有效波高作为真值，验证CNN-GRU模型的反演精度。结果表明，在加入风速和降雨数据后，CNN-GRU模型的均方根误差RMSE（Root Mean Square Error）、平均绝对误差MAE（Mean Absolute Error）和皮尔逊相关系数PCC（Pearson Correlation Coefficient）分别为0.55 m、0.41 m和0.91。使用独立的飓风事件“富兰克林”（2023）对CNN-GRU进行验证，模型的RMSE、MAE和PCC分别为0.98 m、0.55 m和0.84，相较于其他有效波高反演模型更加优越。因此，CNN-GRU模型在反演高海况有效波高方面有显著优势以及跨海域普适性。关键词：GNSS-R;有效波高;高海况;CYGNSS;深度学习模型;DDM0|0|0更新时间：2026-06-17
大气与海洋
-
摘要：地表水和海洋地形卫星SWOT（Surface Water and Ocean Topography）的发射为全球内陆水体水位监测带来了革命性突破，其宽刈幅测高模式通过二维成像观测获取水体表面高程信息，相较传统沿轨测高实现了由线到面的观测转变。然而，SWOT观测数据中仍存在显著的随机误差与系统误差，制约了其在高精度水位监测中的应用。为此，本文基于SWOT的L2_HR_PIXC产品，选取太湖、巢湖、青海湖3个大型湖泊以及辽宁省与太湖地区的水库与河流为研究对象，系统分析了SWOT水位观测中存在的随机误差与系统误差特征。针对随机误差造成的数米至数十米的观测噪声，提出两步去噪法，有效剔除了异常离散点；随后，通过分析湖泊水面变化特征，揭示离海距离不同时SWOT残余系统误差的空间分布规律；在此基础上，结合湖泊水面近似水平的特性，提出一种最低仅需单个控制站水位即可实现残余系统误差修正的方法。与实测水位的验证结果表明，SWOT在仅去噪时精度为分米级，不同测站的RMSE在0.1—0.5 m；残余系统误差在不同轨次下呈现不同的规律，离海较近时与跨轨距离近似线性相关，较远时为二次相关。经修正后，辽宁省区域RMSE降低0.07 m，太湖区域降幅超过0.300 m，分别达到了0.230 m和0.160 m。总之，本文建立的SWOT水位产品的精化处理流程可为其高精度应用提供理论支撑与实践路径。关键词：内陆水体;卫星测高;水位监测;SWOT;随机误差;两步去噪法;系统误差;误差修正0|0|0更新时间：2026-06-17 -
摘要：针对目前基于深度学习的时空融合方法在卷积操作时会平衡局部区域内像素误差，致使融合图像纹理细节差，区域边缘模糊的问题。本文提出了一种结合生成对抗网络（GAN）和非下采样剪切波变换（NSST）的时空融合模型。首先，将膨胀卷积分支和差值—注意力模块（SUB-AM）引入生成器的编码器结构，使精细特征提取时能兼顾全局性，并利用SUB-AM模块捕获的粗略特征变化调整所提取的精细特征，以提高预测精度。其次，通过NSST分解与自适应重构块（NSST-ARM）对编码器—解码器生成的结果和参考时刻精细图像的高低频信息重构，增强融合图像的高频细节；最后，在损失函数中引入清晰度损失项，以减少融合图像的清晰度损失。实验结果表明，与最先进方法相比，本文方法结构相似性（SSIM）值平均提高了1.5%，相对无量纲全局误差（ERGAS）值平均减少了14%，融合图像在纹理细节表达、边缘结构清晰度方面均有提升。实验证明了本文方法的有效性。关键词：时空融合;生成对抗网络;膨胀卷积;非下采样剪切波变换0|0|0更新时间：2026-06-17 -
摘要：语义变化检测的核心目标是精准识别地表覆盖的复杂变化过程，并同时确定其对应的语义类别。现有研究表明，采用分离的变化定位分支和语义识别分支来协同完成语义变化检测任务是解决该问题的可靠方案。然而，已有框架往往未能充分整合和利用地物语义信息来指导变化识别过程，这在一定程度上限制了模型对复杂场景变化的精准识别能力。针对该问题，本文提出了语义引导的时空协同感知网络SemSTNet（Semantic-guided Spatio-Temporal Collaborative Perception Network），在考虑双时相特征时空交互的同时以语义指导变化区域的精确识别。具体来说，构建了对称时空解调差分模块利用双向特征调制实现跨时相特征互校准，通过三维差分卷积解耦时空维度变化响应；其次，设计了语义门控融合解码器引入语义相似性动态加权机制，以余弦相似度图谱生成语义先验，通过自适应门控融合增强真实变化区域的显著性表达；最后，设计深度语义对比损失构建双监督信号，在特征空间约束未变化区域语义一致性，扩大变化/未变化区域的类间距离。在2个语义变化检测数据集上的广泛实验表明，提出的模型在定性和定量评估方面都显著优于其他最先进的语义变化检测方法。关键词：遥感图像;地表覆盖变迁;语义变化检测;时空协同;语义引导0|0|0更新时间：2026-06-17 -
摘要：遥感反演技术为悬浮泥沙浓度（SSC）监测提供了高效手段，但对于高浓度宽范围河流SSC的适用性亟需验证。以黄河干流石嘴山水文站和吴堡水文站为测站，构建了基于交叉验证递归特征消除—随机森林（RFECV-RF）的机器学习模型，通过哨兵2号卫星多光谱反射率信息遥感反演测站高浓度悬沙。研究结果表明，RFECV-RF模型预测精度指标R2大于0.8，总体上能够估算测站（0—44.5）kg/m3区间的SSC，但对高值SSC的估算偏低；高浓度宽范围SSC与光谱信息呈现明显的非线性关系，且可见光主导的特征对反演低浓度SSC较重要，红光—短波红外光谱区间主导的特征对反演高浓度SSC较重要；在关键光谱特征中，B8A、B7/B5、B8-B11波段光谱特征在SSC（0—44.5）kg/m3 区间保持灵敏，而B3/B8、B4/B8、B5/B6随着SSC升高而渐趋饱和；数据输入以及机器学习模型结构的不确定性是反演模型不确定性的主要来源，且当反演的SSC范围变宽时，模型预测的95%置信宽度增大且低值SSC的相对偏差也增大。综上，RFECV-RF模型可用于定量反演高浓度宽范围SSC并估算河段SSC空间分布，为高含沙河流SSC自动监测方法提供技术参考。关键词：悬浮泥沙浓度;遥感反演;RFECV;RF;黄河;光谱灵敏性;不确定性105|21|0更新时间：2026-06-17 -
摘要：针对卷积网络在变化检测中面临的感受野有限、跨层次特征交互不足及长距离上下文依赖建模困难等问题，本文提出基于Cross-Transformer差分特征融合的变化检测模型CTDFFNet（Cross-Transformer-based difference feature fusion network for change detection）。首先，利用ResNet18网络构建多尺度局部特征表达，并结合Cross-Transformer模块学习差异特征表示以实现全局上下文感知和多层次特征交互，增强模型对复杂场景变化的敏感度；然后，解码部分利用密集连接结构实现特征的多路径传播和信息的充分利用，同时抑制梯度消失；最后，结合自适应通道增强模块ACEM（adaptive channel enhancement module）动态调整通道权重以增强关键信息特征表达，并利用Sigmoid层生成最后变化图。为验证本文方法的有效性，采用LEVIR-CD（LEVIR building Change Detection）数据集、CDD（Change Detection Dataset）和WHU-CD（WHU building Change Detection）数据集等3个变化检测数据集进行实验。定量结果表明，与对比方法相比，CTDFFNet在3个数据集均取得最优精度指标，其F1分数分别达到91.52%、95.83%和93.02%。此外，目视结果表明，CTDFFNet能有效抵抗复杂背景、阴影和光照变化等因素干扰，可显著增强网络对不同尺度目标的检测识别效果。关键词：变化检测;深度学习;Cross-Transformer;交叉注意力机制;自适应通道增强0|0|0更新时间：2026-06-17 -
摘要：随着遥感影像语义分割技术在边缘设备中的广泛应用，如何在有限计算资源下实现精度与效率的平衡成为关键科学问题。本文提出了一种基于频域筛选的知识蒸馏方法FDF（frequency domain filtering distillation）。该方法利用中心方形掩膜在傅里叶域中对师生特征进行滤波，选择性传递教师模型中的结构性低频知识，同时抑制无关高频成分，从而有效克服了编码器前端特征蒸馏中的高频噪声干扰问题。为进一步探索高效蒸馏架构，引入了轻量网络U-Lite作为学生模型，其在参数量与推理速度方面具有显著优势。在LoveDA（land-cover domain adaptation）、Vaihingen与Potsdam 3个遥感数据集上的综合实验表明，FDF的平均全局性能提升和平均区域重叠度提升均位于前列，且其性能衰退风险显著低于主流频域方法，其平均交并比差值ΔmIoU（mean intersection over union）标准差（1.03）优于通道蒸馏方法CWD（channel-wise knowledge distillation）（1.25）和傅里叶（Fourier）蒸馏方法（1.34），且避免了其他方法最高2.37%的性能下降。在计算效率方面，FDF推理速度达16.63 ms/帧，比类内特征变化蒸馏IFVD（intra-class feature variation distillation）和傅里叶蒸馏方法快约2.5倍。这些优势使FDF在实际边缘计算场景中展现出独特的应用价值，为资源受限环境提供了高可靠性的分割解决方案。关键词：深度学习网络;知识蒸馏;语义分割;特征提取;快速傅里叶变换0|0|0更新时间：2026-06-17 -
摘要：亮温是被动微波遥感的重要基础观测量，是反演地表温度、土壤湿度、雪水当量等关键地表参量的重要输入数据，在气象、气候与环境遥感领域具有重要的科学价值与应用潜力。被动微波传感器AMSR2（Advanced Microwave Scanning Radiometer 2）可获得全天候、全球覆盖的亮温数据，但受轨道设计与传感器特性限制，AMSR2亮温数据存在轨道间隙，影响数据的完整性和应用精度。本文在分析轨道间隙时空特征及亮温数据与环境变量广义谱的非线性关系基础上，提出一种时空谱随机森林STSRF（Spatio-Temporal Spectral Random Forest）多维度重建模型。以2020年中国区域AMSR2亮温数据为例，按月份及昼夜独立构建训练和验证数据集；开展模拟实验和真实实验，并评估重建前后数据的降尺度效果。在模拟实验中，STSRF重建亮温具有较高精度，昼、夜场景下均方根误差分别为0.78—2.21 K和0.73—2.35 K），且在高海拔地区整体重建精度优于其他区域；在真实实验中，STSRF重建亮温在空间分布上与AMSR2观测数据高度吻合，无明显重建痕迹。此外，降尺度对比分析表明，与直接降尺度方案相比，基于重建数据的降尺度结果在空间细节保持和数值精度方面更具优势，进一步验证了重建策略的有效性。因此，STSRF方法不仅能有效重建AMSR2亮温轨道间隙数据，还有助于后续降尺度处理，为大范围高分辨率微波遥感应用提供技术支持。关键词：AMSR2亮温;轨道间隙重建;时空谱随机森林;降尺度处理;环境变量0|0|0更新时间：2026-06-17
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