遥感智能应用 | 浏览量:175下载量:362CSCD:0
导出
收藏
专辑
面向黑土区侵蚀沟跨时相提取的循环自训练框架
Cyclic self-training framework for cross-temporal extraction of erosion gullies in black soil regions
- “常年土壤侵蚀对东北黑土区构成严重威胁,侵蚀沟是主要表现之一。目前,遥感技术已广泛应用于侵蚀沟的监测与保护,并积累了大量带有标注的历史调查数据。然而,如何有效利用历史数据,从不同时间且不同传感器拍摄的最新数据中可靠地提取沟壑信息,仍是一个亟待解决的技术难题。为此,相关专家提出了一种循环自训练框架CSTF(Cyclic Self - Training Framework)。该框架在每次自训练过程中,利用对象级伪标签生成策略来为最新数据提供高质量的伪标签,并引入基于伪标签可信因子的损失函数以有效缓解伪标签噪声的负面影响。为验证CSTF的有效性,专家在黑龙江省桦川县的两组数据集上,与其他先进方法进行了详细的对比分析。结果表明,CSTF在侵蚀沟跨时相提取方面优势明显,充分彰显了其在促进东北黑土区土地监测和保护方面的重要潜力和应用价值。”
- 2026年30卷第2期 页码:432-444
DOI:10.11834/jrs.20254465
引用
翻译全文
移动端阅览
AI导读
HTML全文
图( 14 ) 表( 4 )
参考文献
出版信息
数据统计
文章被引用时,请邮件提醒。
提交
相关作者
张宇驰 哈尔滨工程大学 信息与通信工程学院
闫奕名 哈尔滨工程大学 信息与通信工程学院
刘勇 黑龙江省水利科学研究院
宿南 哈尔滨工程大学 信息与通信工程学院
赵春晖 哈尔滨工程大学 信息与通信工程学院
冯收 哈尔滨工程大学 信息与通信工程学院
申祎 哈尔滨工程大学 信息与通信工程学院
杨久春 中国科学院东北地理与农业生态研究所
相关机构
中国科学院东北地理与农业生态研究所
中国科学院大学
中国科学院山地灾害与地表过程重点实验室/中国科学院水利部成都山地灾害与环境研究所
福建农林大学林学院
长安大学 地质工程与测绘学院


