“工业热源遥感监测领域取得重要突破。针对热源特征不明、类型判定不准等问题，研究团队提出了一种耦合温度特征的工业热源人工神经网络遥感分类精准识别方法。该方法通过DBSCAN聚类算法和土地利用类型识别工业热源，利用频率统计方法建立温度特征模板，并构建人工神经网络模型进行热源类型判别。研究发现，不同工业热源温度频率与分布形态存在明显差异，主峰温度分别为795 K、830 K、760 K、1725 K。此外，该模型在工业热源分类识别上表现优异，训练集与验证分类识别精度分别高达99%和88.17%。研究还发现，我国工业热源时空分布呈现“地域集中”与“波动下降”双特征，主要集中在北方地区，数量占比高达85.4%。这一研究成果为基于卫星手段的大气工业污染源遥感监测提供了技术支撑，有望推动我国大气污染防治工作取得新进展。”