最新刊期
在线出版刊期浏览栏目浏览
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
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263|111|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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221|99|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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149|85|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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85|69|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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226|63|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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147|64|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-05-21
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333|370|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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339|234|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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775|966|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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248|214|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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-2274|876|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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291|639|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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461|775|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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496|773|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>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358|341|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-11-04
摘要：地面观测是遥感科学研究的基础，为定量遥感模型的构建、遥感信息准确高效的反演、真实性检验提供重要的数据支撑。特别是进入工智能时代以来，将地面观测与遥感数据相结合驱动深度学习的模式在一定程度上创新了陆表参数反演的范式。然而，由于地面观测与遥感像元的尺度差异以及陆表本身复杂的空间异质性，地面观测存在代表性误差，将其直接作为像元尺度地面真值使用时会给后续的地面观测数据与遥感数据的协同分析和处理带来很大不确定性。如何通过科学的地面观测获取无限接近遥感像元尺度地面真值是野外遥感观测实验关注的焦点。目前围绕像元尺度地面真值获取已经系统开展了从样区的选择、空间异质性评价、地面样点优化布设、地面观测、到尺度转换获取像元尺度“真值”等研究。虽然针对每一个环节都开展了大量的研究工作，然而各个环节中存在概念模糊和理解不充分的情况，导致像元尺度地面真值获取的不确定性很大。如何对像元尺度地面真值获取过程进行不确定性的约束和控制从而获得不确定性最小的像元尺度地面“真值”是目前亟需解决的瓶颈难题。本文围绕像元尺度地面真值获取的几个关键环节论述了目前存在的挑战以及可能的解决途径，在一定程度上为像元尺度地面真值获取的准确性和精度的提升提供一些新的认识和理论指导。关键词：像元尺度真值;地面观测;尺度差异;空间异质性;代表性误差;不确定性;真实性检验;质量评估;样本构建473|988|1<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-07-21
摘要：人为热通量（Anthropogenic Heat Flux， AHF）是单位时间内单位面积上产生的人为热排放总量。研究AHF的时空分布，有助于理解城市热环境的形成与变化，也对缓解和调节城市生态环境问题具有重要的理论和实际意义。为获取区域范围少量样本情形下人为热排放的空间分布并开展关中平原城市群人为热排放的时空演化特征分析，本研究首先采用修正后的源清单法估算地级市人为热通量，再结合POI数据、夜间灯光数据、建筑高度数据以及人口分布数据等多源空间数据通过多元线性回归构建不同类型人为热排放估算模型，获取了2016-2021年关中平原城市群空间分辨率为500米的逐年人为热排放数据，并开展了人为热排放时空特征分析。研究结果表明：（1）多元线性回归在AHF格网化中具有较高的可行性，其获得的拟合模型拟合精度较高，决定系数（R2）均超过0.9，其中建筑AHF的拟合模型精度最高，R2达0.98；（2）POI参与人为热的格网化分配能够很好地体现出不同类型人为热排放的空间异质性，是估算不同热源AHF空间分布的重要数据源；（3）关中平原城市群人为热通量空间分布不均匀，在经济发达、地形平坦、城市化程度高的城市群中心区域形成高值区，在时间上其总体呈现上涨趋势。研究获得的人为热排放空间分布数据可以为城市热环境评估和城市热舒适度模拟提供数据参考。关键词：人为热;POI数据;夜间灯光;多源空间数据;人类活动;多元线性回归;源清单法;关中平原城市群;时空变化608|1037|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-07-21中尺度涡调制下全球海洋遥感特征相关性分析 AI导读
摘要：本文旨在探寻反气旋性涡旋（AE）、气旋性涡旋（CE）调制下海表特征的相关性分布及其与涡旋外部（OE）区域的差异，为进一步厘清中尺度涡对海气界面的调制机制，改进海洋数值模拟提供理论依据。本文利用2010-2019年长时序遥感观测数据以及皮尔逊积距相关系数、涡旋识别等方法，系统分析了全球中尺度涡调制下海表温度异常、海面高度异常、叶绿素浓度异常、风速异常四种参数相关性的时空分布特征及其差异。结果表明，各参数之间相关性分布赤道太平洋地区相关性最强，印度洋地区以及北美洲西南岸相关性较为显著，其他地区相关性偏弱，且各参数分布呈现出较强的涡旋信号。此外，各参数的相关系数在OE中相比于CE以及AE内部降低0.2左右，相关系数分布的平滑程度约为AE与CE中相关系数分布的20倍，且相关性相反两区域之间存在明显的过渡区域。可以得出结论中尺度涡调制下各参数的相关性分布表现很强的地域特征，其差异主要表现在相关程度以及整体平滑性方面。关键词：遥感观测;中尺度涡;耦合分析;海表温度;海面高度;叶绿素浓度;风速205|899|1<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-06-17
摘要：地表温度对于全球气候变化等研究具有重要意义。被动微波遥感传感器AMSR-E（Advanced Microwave Scanning Radiometer for EOS）可以获得全天候地表温度，可作为多云条件下热红外地表温度数据的补充；但轨道扫描间隙限制了该数据在全球或区域尺度上的实际应用。鉴于地表温度的高时空异质性和AMSR-E LST轨道间隙数据的特点，本文提出了一种多时相特征连接卷积神经网络地表温度双向重建模型（MTFC-CNN），利用深度学习在处理复杂非线性问题上的优势，重建轨道间隙区域的地表温度值。将2010年中国大陆区域四季的AMSR-E LST数据，分为白天和夜晚，形成共八个数据子集进行实验。在模拟实验中,重建结果与原始反演地表温度值平均均方根误差在1.0K左右，决定系数R2在0.88以上，优于传统的样条空间插值和时间线性回归方法；真实实验结果具有较好的目视效果，且与对应MODIS LST产品对比发现，重建区LST值和未重建区LST值与MODIS LST产品间具有相近的平均均方根误差和决定系数。因此，本文提出的MTFC-CNN方法能有效重建AMSR-E LST轨道间隙数据，且优于传统方法。关键词：地表温度;AMSR-E LST;重建;深度学习;MTFC-CNN2771|1037|0<HTML><网络PDF><Meta-XML>更新时间：2022-03-09
