本期电子书封面故事整期封面整期目录
最新刊期
在线出版刊期浏览栏目浏览
2026
第8期
第7期
第6期
第5期
第4期
第3期
第2期
第1期
2025
2024
2023
2022
2021
2020
2019
2018
2017
摘要：地球系统辐射收支的变化直接影响气候系统的稳定性与未来演变趋势，因此准确量化辐射收支各分量，对深化气候变化认知、提升气候变化预测与应对能力，以及推动其在陆地、大气、海洋等领域的应用具有重要的理论与现实意义。本文从两个角度开展论述，一方面系统梳理当前国内外学者在辐射收支领域的最新研究动向，也包括作者团队近年依托承担的辐射收支项目取得的核心进展，特别是在全天候（晴空+有云）、全天时（白天+夜间）、全谱段（长波+短波）、多要素（地表+大气层顶部）和多场景（平地+山区+极地）辐射遥感反演算法及科学产品研发方面的工作；另一方面，立足当前最新研究进展和认识，着眼辐射收支研究的国际发展态势，展望地球系统辐射收支遥感未来的研究方向与重点，旨在促进遥感学科基础理论与方法的发展，特别是在推动复杂环境下遥感定量化发展方面提供若干启发，并为深化全球变化理解、服务国家战略需求提供数据支撑与科学依据。关键词：辐射收支;射出长波辐射;短波辐射;长波辐射;复杂地形区;反照率;风云卫星13|2|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：光学遥感在建筑、道路与绿地等城市要素精细识别中具有不可替代的优势，但其观测受天气与光照条件的制约。相比之下，合成孔径雷达（SAR）具备全天候、全天时观测能力，有效弥补了光学遥感的不足，但其在复杂城市环境中易产生几何畸变与斑点噪声，增加了解译难度。由于光学与SAR各具优势与局限，单一数据源难以满足高精度城市监测需求，推动二者融合成为关键途径。近年来，人工智能（AI）技术的发展显著提升了多模态融合与时序分析能力，充分释放了光学和SAR在城市监测与变化检测中的应用潜力。随着新一代商业卫星产业与低空经济的兴起，光学与 SAR 遥感协同在城市精细化监测、规划与管理中的重要性日益凸显。基于Web of Science核心合集与中国知网（CNKI）数据库，本文系统分析了2001年至2025年间发表的900余篇相关文献，从主要监测对象与主流技术方法两个维度系统揭示了光学与SAR遥感融合城市监测的研究脉络，深入探讨了该领域当前面临的挑战与未来的发展前景。AI 时代光学与 SAR 遥感融合监测当前面临的关键技术瓶颈包括光学与SAR数据精确配准、模态信息缺失、时空尺度效应、高质量样本库构建以及 AI 模型可解释性等问题。结合遥感与AI领域的前沿技术动向，潜在的突破方向和机遇包括新型传感器与计算星座的发展、云计算平台与 AI 大模型的加速应用、联合国城市可持续发展目标（SDG 11）的持续推进。未来城市遥感有望实现从任务驱动向知识驱动的转变，推动光学与SAR协同监测在全球尺度上实现标准化和智能化发展，为城市安全、韧性建设及可持续发展提供科学依据和决策支持。关键词：光学遥感;合成孔径雷达;多模态遥感;城市监测;人工智能;变化检测;深度学习11|0|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
综述
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。本文采用4组代表性数据，将所提方法与多种传统和深度学习方法进行了对比。实验验证结果表明，所提方法的平均正确匹配点数NCM（Number of Correct Matches）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。因此，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481|160|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：光学遥感影像普遍存在云污染。目前，基于深度学习的方法虽在云检测任务中得到高度关注，但受限于薄云稀疏分布、半透明性以及与背景区域的相似性，薄云的识别仍面临较大挑战，且少有研究对薄云与厚云进行明确区分。鉴于此，本文将云检测表述为语义分割问题，并提出了一种基于Transformer的厚云和薄云的联合检测模型（TTFormer）。该模型通过融合局部—全局特征调制LGFM（local-global feature modulation）模块来增强多尺度特征表达能力，以有效捕捉厚云的密集纹理与薄云的半透明特性。同时，采用条件位置编码CPE（conditional position encoding）嵌入空间信息，以解决薄云因边界模糊产生的检测难题，并结合边缘感知分支以强化云层边界的细节保留。在Landsat 8 Biome和CloudSEN12数据集上的实验结果表明，TTFormer能有效区分厚云与薄云，检测精度高于现有6种典型方法，且在各种土地覆盖背景下均表现出更高精度与稳定性。关键词：云检测;图像分割;Transformer;Landsat8|0|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：遥感图像场景分类在自然资源监测、国土空间规划和灾害应急等任务中具有重要意义。然而，该技术通常依赖大量高质量标注数据，而遥感影像的专业标注成本较高，限制了深度学习模型的实际应用；小样本学习技术虽可利用极少标注样本实现新类别泛化分类，但现有方法主要依赖图像视觉特征，易造成外观相似而语义不同的地物场景混淆；而最新视觉—语言模型虽通过引入文本先验有望缓解类别歧义，却又忽略了特征通道之间的判别性差异，导致模型的区分能力与泛化性能被削弱。为此，本文基于对比视觉—语言预训练模型CLIP（Contrastive Language-Image Pre-training）提出一种混合度量学习的小样本遥感场景分类方法：通过图像与文本编码器实现多模态对齐，将遥感图像与类别文本原型映射至统一的嵌入空间；进一步设计类间相似性与类间方差联合约束的特征筛选策略，以挖掘高判别性特征通道；在特征空间内对“测试图像—训练图像—类别文本”三边关系进行联合建模，提升分类决策的可靠性。在细粒度遥感场景数据集MEET、AID及NWPU上的大量实验结果表明，本文方法在标注受限条件下优于多种公开基线方法，展现出优异的分类性能。关键词：遥感图像场景分类;小样本学习;视觉—语言模型;混合度量学习4|0|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
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，因此如何将两者有效融合，以获取兼具高精度和高时空覆盖度的土壤水分产品，已成为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，展现出应用于主、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，本研究引入3种数学误差度量方法——扩展的三重配置法ETC（extended triple collocation）、双工具变量法IVd（double instrumental variable）和三角帽法TCH（three-cornered hat），在全球尺度上对被动微波SMAP（soil moisture active passive）及主动微波高级散射计ASCAT（advanced scatterometer）土壤水分产品进行评估，揭示其精度的空间分布规律；在此基础上，采用3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，并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）所有融合产品的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、被动微波土壤水分产品；（2）多数融合产品表现优于ASCAT产品，与SMAP产品精度相当；（3）除了基于IVd的最大化信噪比法以外，基于TCH的融合方法整体表现优于ETC和IVd方法。本研究揭示了不同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的融合研究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450|289|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：植被辐射传输模型描述植被与电磁波的相互作用，是利用遥感观测进行植被监测的理论基础。植物自身叶片的背腹性与外界地形效应，均直接对辐射传输过程产生显著影响，因此准确刻画这两项关键影响因素对解析植被—电磁波相互作用的物理机制具有重要理论意义。本文首先对叶片背腹性建模和地形效应建模的研究现状进行归纳，然后总结在相关建模方面已完成的研究工作，最后讨论当前方案的不足及未来研究方向。在建模方面，研究分别围绕叶片背腹性和地形效应，探究各自对植被吸收、散射、热辐射、叶绿素荧光发射的影响，并发展相应的叶片/冠层辐射传输模型。本文着重介绍对这两项影响因素的建模思路，研究表明：（1）叶片尺度上，叶片物理结构和生化参数的非对称性是叶片背腹性建模应考虑的重要因素；（2）冠层尺度上，叶片不同面反射率、透过率、受照荧光发射的差异在背腹性建模中应加以考虑，同时植物向重力性是地形效应建模不可忽略的重要因素。研究进一步分析了叶片背腹性和地形效应对冠层辐亮度、反射率、发射率、亮度温度、叶绿素荧光的影响，结果表明在植被辐射传输建模中考虑上述因素是十分必要的。在山地辐射传输过程中，地形效应和叶片背腹性同时影响植被与电磁波的相互作用，因此山地植被遥感建模应当兼顾二者的影响，这也是未来工作的一个重要方向。此外，后续研究将尝试结合几何光学建模理论，以解决异质性植被场景的适用性问题。关键词：植被遥感;辐射传输建模;叶片背腹性;地形效应;植物向重力性22|1|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：植被覆盖度FVC（Fractional Vegetation Cover）是表征地表植被状况的重要参数，多空间尺度一致的FVC是生态系统全方位监测的重要基础数据。多尺度树MRT（Multi-Resolution Tree）融合算法是FVC空间尺度转换的有效方法。然而，传统MRT算法存在误差建模缺乏物理依据、状态量均值假设不合理及中间尺度扩展可靠性不足等局限。因此，本研究提出了基于MRT算法框架的融合“尺度效应误差约束、趋势面保留与中间尺度状态变量协同估计”的FVC空间尺度一致性扩展方法，旨在实现不同空间分辨率FVC数据间的空间尺度一致性转换及误差评估。首先，提出了多源FVC尺度效应误差建模方法，并将其作为状态转换误差协方差引入融合框架，以改善不同空间尺度FVC融合的权重，增强空间尺度扩展的稳定性与物理一致性，解决传统MRT因未考虑空间尺度差异导致的系统性误差。其次，为避免传统方法中“状态量均值为0”假设导致融合结果仅能去除随机误差的问题，提出了将各空间尺度FVC数据作为输入的策略，以提升状态估计的真实性。最后，构建不同空间尺度FVC模拟机制，通过对高低空间分辨率FVC及其尺度效应误差进行加权插值，联合生成中间尺度FVC及其误差估计，并将其纳入MRT融合过程以实现FVC空间尺度扩展。为验证方法的有效性，本研究以衡水农田区与大兴安岭森林区为实验区，开展了基于Sentinel-2与MODIS FVC数据的空间尺度扩展实验。验证结果表明，本研究提出的空间尺度扩展方法显著提高了不同空间分辨率FVC的一致性，农田区误差收敛至0附近，森林区误差由-0.056降至-0.045，具有较强的推广潜力，可为其他地表参数的空间尺度一致性扩展提供参考。关键词：遥感;植被覆盖度;多尺度树;尺度扩展8|0|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
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。已有研究多利用现有的卫星多光谱波段，关注HSR模型的优化，缺乏HSR的多光谱宽谱带划分和选取的研究。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类地表覆盖类型的共727条8.0—14.0 μm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。结果表明：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。综上，本研究发现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，而且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。此外，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226|103|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
模型与方法
摘要：滑坡作为最具破坏性的地质灾害之一，其准确识别对减灾防灾具有重要意义。传统滑坡识别方法普遍存在对大量标注数据的严重依赖、跨域泛化能力不足以及静态推理过程等关键技术局限。本研究提出了一种基于多源数据融合的滑坡迭代—反思推理框架，通过构建闭环反馈系统实现滑坡识别从静态单次推理向动态迭代优化的范式转变。该框架综合利用高分辨率遥感影像、数字高程模型、坡度坡向等多源地理空间数据，通过多模态大语言模型与自适应分割模块的协同迭代，实现基于地质专家认知过程的智能推理。研究引入强化学习优化策略，设计了融合识别精度、地质合理性和边界质量的多层次奖励函数，有效缓解了标注数据稀缺问题。实验结果表明，所提方法在mIoU、gIoU、cIoU等关键指标上分别达到0.52、0.54、0.53，较最优基线方法实现了显著提升，证明了该方法在复杂地质环境下滑坡识别任务中的有效性和可靠性。关键词：多源数据融合;遥感影像分析;语义推理;深度学习;迭代优化7|0|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：槟榔黄化病是影响热带槟榔产业的重要病害，早期、精准的病害监测对其防控具有重要意义。本研究旨在评估多光谱遥感数据在不同等级槟榔黄化病识别中的应用潜力，并分析关键光谱指数对病害分级的敏感性。基于三维辐射传输模型LESS与野外实测数据，本研究构建了65536个不同黄化类型的槟榔样地，并模拟生成10 m×10 m范围内的机载RGB及多光谱影像。首先依据RGB影像中黄化面积占比将样地划分为四个染病等级；随后基于多光谱影像计算了20个常用的病害植被指数，并分别采用去除背景（仅冠层栅格）与包含背景（全部栅格）两种方式，将计算得到的植被指数聚合至10 m空间尺度；最后，基于这两种方式聚合得到的植被指数及对应的RGB影像获取的四个染病等级标签，采用五种机器学习模型进行训练，完成对四个染病等级的分类。结果表明，去除背景计算的植被指数整体分类精度略优于包含背景的处理方式，但两者的总体精度均超过0.9。模型对3级和4级样本的预测能力优于1级和2级。变量重要性分析显示，对叶绿素含量敏感的植被指数TCARI与CI在槟榔黄化病分类等级中贡献最高，其次为GNDVI与GI等绿光敏感型指数，表明冠层叶绿素水平与绿度变化是区分病害等级的重要光谱特征。本研究的结论证明了多光谱数据在10 m像元尺度上能够有效实现对槟榔黄化病的监测，为基于Sentinel-2等中高分辨率卫星的区域尺度病害快速识别与早期预警提供了方法参考与技术支撑。关键词：机载多光谱影像;RGB影像;三维辐射传输模型;机器学习分类;槟榔黄化病12|1|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：准确估算山地森林总初级生产力GPP（Gross Primary Production）对理解全球碳循环、揭示植被光合作用的气候响应至关重要。然而，复杂地形会导致光学遥感观测产生畸变，从而降低山地森林GPP的遥感估算精度。本文联合山地森林GPP通量观测和前期发展的地形调节植被指数TCNIRv（Topographically Corrected Near-Infrared Reflectance of Vegetation），构建了山地森林GPP遥感精细估算模型，并研制了时序长（2000年—2024年）、分辨率高（30 m）的中国山地森林GPP遥感产品。验证结果表明，本文研制的中国山地森林GPP产品具有较高精度（R2=0.604，RMSE=1.115 g/（m2·d））。在全国尺度，忽略地形效应会引起山地森林GPP的轻微低估（-0.176 g/（m2·d））。然而，在局地尺度，忽略地形效应会显著影响山地森林GPP估算精度，其中阳坡的GPP被系统性高估，而阴坡则被低估，且这种偏差会随着坡度的增大而加剧。本文研究结果不仅有助于深化对山地森林总初级生产力遥感估算中地形效应的认知，还将为山地生态系统广域、高效与精细治理水平的提升提供科学依据。关键词：总初级生产力;山地森林;遥感;地形效应;地形调节植被指数7|0|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
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，本研究提出一种堆叠集成学习回归模型AST（AdaBoost-Stacking Tree-based）以提升森林地上碳储量AGC（Aboveground Carbon Stock）估测的稳定性和准确性。本研究以云南省迪庆藏族自治州香格里拉市的高山松为研究对象，基于森林资源二类调查数据和Landsat 8 OLI影像，构建了融合遗传算法与分类提升模型CatBoost（categorical boosting）的特征选择方法GAC（Genetic Algorithm and CatBoost），并与递归特征消除法RFE（Recursive Feature Elimination）分别进行遥感变量筛选。在此基础上，采用Hyperopt超参数优化框架对各模型进行超参数调优。随后，将4种机器学习模型，即自适应提升模型AdaBoost（Adaptive Boosting）、CatBoost（Categorical Boosting）、随机森林RF（Random Forest）模型、轻量级梯度提升机LightGBM（Light Gradient Boosting Machine），通过堆叠集成方式构建AST回归模型。该模型通过基模型的均值融合与元模型的自适应加权实现模型优化。最终，通过比较前4种及极限梯度提升模型XGBoost（extreme gradient boosting）、支持向量机SVM（Support Vector Machine）共6种单一模型与AST集成模型的精度，选取最优模型进行高山松碳储量反演，并对其结果进行不确定性制图。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超参数优化框架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）为0.885，均方根误差RMSE（Root Mean Square Error）为8.321 t/hm²，预测精度（P）为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，为区域尺度森林地上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375|697|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
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，针对分割一切模型SAM（Segment Anything Model）初步分割结果进行逐地块统计，以更新先验知识阈值范围，并将更新后的阈值范围作为地块分割提示信息二次输入SAM；通过上述迭代学习的方式，在更新先验知识的同时，得到了最佳的地块级分类识别结果。最后，本方法创新性地采用交并比IoU（Intersection over Union）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，能够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，本方法无需针对研究区进行特定模型训练即可获得与监督学习模型相当甚至更优的提取精度，这充分证实了本方法的有效性和区域泛化能力，也为大范围、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423|431|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：颗粒有机碳POC（Particulate Organic Carbon）是内陆水体碳库的重要组成部分，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，已有的POC遥感反演算法的精度和普适性相对较低。鉴于此，本研究以长江干流中下游区域和太湖为研究区，利用生物地球化学来源示踪方法，解析了POC的端元贡献，构建了POC来源占比的遥感反射率三波段比值估算模型，并根据POC内外源比例将水体分为内源主导型与陆源主导型两类。针对两种类型的水体，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，模型精度与普适性较好，其中，均方根误差RMSE（Root Mean Square Error）为1.322 mg/L，中位数偏差MB（Median Bias）为-0.177 mg/L，平均绝对百分误差MAPE（Mean Absolute Percentage Error）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350|254|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
遥感应用
摘要：基于卫星遥感与人工智能的甲烷排放自动化检测，可为甲烷排放控制提供技术支撑。然而，目前该领域研究仍然存在甲烷羽流遥感真实数据集缺乏、模型检测精度有限、模型迁移应用能力尚未得到充分验证等问题。为此，本文基于哨兵二号（Sentinel-2）卫星数据，构建了顾及时空复杂场景的甲烷羽流数据集，在此基础上提出了光谱注意力机制增强的甲烷排放深度学习检测模型，并系统性评估了模型的跨区域迁移能力与跨传感器迁移潜力，在全球多个区域开展了真实应用验证。结果表明，模型具备稳健的跨区域检测能力（交并比（IoU）=0.917，准确度（Accuracy）=0.926）、时序检测能力（IoU=0.929，Accuracy=0.960）与跨传感器检测能力（IoU=0.773，Accuracy=0.889），相较于传统MBSP阈值分割法，IoU平均提升30%，在中亚土库曼斯坦、非洲阿尔及利亚区域、墨西哥及俄罗斯等多个地区的甲烷真实排放检测中取得了良好效果。本文构建的Sentinel-2卫星甲烷羽流数据集及甲烷排放深度学习检测模型，可为甲烷排放遥感智能监测应用提供数据与方法支撑。关键词：甲烷排放检测;Sentinel-2卫星;数据集;深度学习9|1|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
摘要：耕地地块空间信息是支撑农业资源管理、生产规划与科学决策的重要基础。长江中游平原水网交错、种植结构多样、地表特征复杂，该区域现有的主流耕地数据集多侧重其范围的表达，地块边界细节刻画不足，难以满足其精细化提取与管理的需求。本研究基于1 m分辨率遥感影像，构建了一套长江中游平原耕地地块数据集LGISer-CFD。该数据集覆盖江汉平原、洞庭湖地区和鄱阳湖地区，包括耕地地块遥感数据解译产品和分割样本数据集两部分。LGISer-CFD具有以下特点：（1）遥感数据解译产品是目前长江中游平原规模最大、分辨率最高的耕地地块数据集，包含505余万个耕地地块，能够完整反映区域耕地地块的空间分布格局；（2）分割样本数据集包含30000对256×256像素的影像—标签样本，按6∶2∶2比例划分为了训练集、验证集和测试集，并支持后续新增地块样本的持续扩充，具有较高的可扩展性；（3）LGISer-CFD覆盖规则连片、细碎分散、边界曲折等多类型耕地地块场景，符合实际地块提取任务需求，可用于检验模型在复杂场景下的稳定性与泛化能力。通过与10种现有耕地数据集对比，验证了地块遥感数据解译产品在耕地范围表达、边界刻画和对象分割方面的明显优势。进一步测试分析了7种深度学习模型在分割样本数据集上的表现，结果表明该数据集能够有效支撑耕地地块分割模型的训练、评估与对比，可为后续相关研究提供重要参考。数据集链接：https：//doi.org/10.57760/sciencedb.43514。关键词：耕地地块;高分辨率遥感影像;数据集;深度学习;长江中游平原7|0|0<HTML><网络PDF> <Enhanced-PDF> <Meta-XML>更新时间：2026-08-19
数据集论文
