最新刊期
在线出版刊期浏览栏目浏览
DIBH-Net：融合差异交互与边界感知混合注意力的稀土开采变化检测网络模型 AI导读
摘要：离子吸附型稀土矿主要分布于南方丘陵山区，山高林密，稀土违法违规开采时有发生。针对离子吸附型稀土矿区开采变化区域尺度小、边界破碎、背景复杂及伪变化干扰强等问题，提出差异交互与边界感知混合注意网络DIBH-Net，用于双时相遥感影像变化检测。该模型采用ResNet18提取双时相多尺度特征，在各尺度引入差异交互注意融合模块以增强跨时相差异表征，引入边界变化融合精炼模块以提升边界细节恢复能力，并结合混合注意精炼模块实现多尺度特征引导与融合。同时，本文基于南方某典型疑似非法开采无人机影像构建数据集，开展对比实验与消融实验。结果表明：所提方法在F1、IoU、Precision、Recall和OA指标上分别达到88.88%、79.98%、87.52%、90.28%和93.08%，整体性能优于多种对比方法，且在细长型、小尺度和边界模糊扰动斑块提取方面具有更好的区域完整性和边界贴合度。所提方法可为稀土矿区疑似非法开采识别和生态扰动动态监测提供参考。关键词：离子吸附型稀土矿;非法开采;变化检测;无人机遥感;混合注意网络;边界感知;多尺度特征融合141|62466|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-10-19基于典型站点的多光谱物候相机数据与卫星遥感数据协同物候观测分析 AI导读
摘要：植被物候是生态系统响应气候环境变化的敏感指示器。近地面多光谱物候相机凭借其高频、连续及多波段观测优势，已成为连接地面观测与卫星遥感的关键桥梁，对实现精准物候监测具有重要意义。以海拉尔站（草地）和灵山站（森林）为研究对象，本研究基于近地面多光谱物候相机与HLS（Harmonized Landsat Sentinel-2）、MODIS（Moderate Resolution Imaging Spectroradiometer）等卫星遥感时序数据，结合EVI（Enhanced Vegetation Index）、GCC（Green Chromatic Coordinate）和NDVI（Normalized Difference Vegetation Index）三种植被指数，系统评估了星地协同物候观测的一致性。主要结果：（1）MODIS-NDVI组合在跨生态系统的综合评估中表现最优，与物候相机观测的物候期观测偏差控制在10 天内，可作为星地协同物候观测的参照基准；（2）对于均质性较强的海拉尔草地，高时间分辨率的MODIS结合GCC（MODIS-GCC）能更敏锐地捕捉物候动态；而对于空间异质性复杂的灵山森林，高空间分辨率的HLS结合NDVI（HLS-NDVI）则是更优选择；（3）星地观测在部分物候期的绝对日期上虽存在较大系统性偏差，但两者线性相关性始终显著；（4）星地数据同时捕捉到近年来海拉尔站春季生长始期与末期的延迟及秋季衰落始期的微弱提前趋势，以及灵山站秋季衰落末期的微弱提前趋势。本研究对比了在两种不同生态系统及空间异质条件下星地多光谱传感器与植被指数的组合匹配方案，为使用多源多光谱遥感物候数据进行精细化物候监测提供了实例参考。关键词：植被物候;多光谱物候相机;HLS;MODIS;星地协同观测125|62552|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-10-19面向复杂城市环境的地表异常事件轻量化识别模型 AI导读
摘要：城市地表异常的快速精准识别对城市安全监管、灾害应急响应与风险预警具有重要意义。然而，城市环境下的地表异常场景复杂、形态多样，显著增加了异常目标的识别难度。同时，异常事件具有突发性和稀缺性，导致异常样本获取困难。在此背景下，现有深度学习的场景分类模型难以兼顾识别精度与轻量化需求。针对上述挑战，本文提出了一种高精度且训练轻量化的城市地表异常事件识别模型DLAAD-Net。该模型采用迁移学习策略，以自监督预训练视觉模型DINOv3作为特征提取主干，通过低秩适配器（LoRA）进行参数高效微调，实现从自然场景到遥感场景的特征迁移；同时引入自适应特征聚合机制，融合多尺度语义信息，有效增强模型对复杂地表异常事件的判别能力。为支撑方法验证，构建了面向城市地表异常事件感知的卫星、航空与无人机等多源遥感数据集MUAD， 涵盖建筑物损毁、人员聚集和车辆聚集三类典型城市地表异常事件。实验结果表明，所提方法在与多个基准模型对比中表现优异，仅以0.6M训练参数实现了97.29%的F1分数和97.60%的总体精度，显著降低了模型复杂度，在城市地表异常监测中具有应用潜力。关键词：城市地表异常;自监督;深度学习;多源遥感;轻量化;场景分类148|62579|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-10-16多光谱物候相机观测与数据定量处理及其在中国物候观测网的应用 AI导读
摘要：近地表物候观测可联系卫星陆表探测与人工物候观测。物候相机作为近年来快速发展的新型近地表自动观测手段，在植被物候定量监测与多源观测信息衔接中展现出独特优势。本文围绕“中国物候观测网”多光谱物候相机的发展脉络、数据定量处理方法及其产品与应用，对相关研究与实践进展进行了系统总结。首先，从成像与分光方式出发，分析了转轮式、阵列式与分光式多光谱物候相机的技术特点与发展趋势，重点阐述了面向植被长期观测需求的分光式多光谱物候相机系统设计。其次，构建并总结了多光谱物候相机观测数据的定量处理流程，包括辐射校正、几何配准与定位、大气影响修正以及时序增强与多站点组网方法，实现了在复杂天气与光照条件下稳定获取反射率时间序列产品。结合产品展示与应用实例，分析了地基多光谱物候相机数据产品在星地对比验证、物候参数提取及多场景应用中的潜力。最后，对多光谱自动物候监测系统在“中国物候观测网”建设中的作用与发展方向进行了总结与展望。本文可为地基多光谱物候观测系统的建设、定量数据产品生产以及星地协同物候监测应用提供参考。关键词：植被物候;近地表自动观测;多光谱相机;定量处理;时间序列163|62703|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-10-16DyNeXtFusion-UNet： 基于内容引导动态上采样与特征融合的遥感影像耕地语义分割模型 AI导读
摘要：快速和准确地识别耕地资源，是支撑耕地保护、用途管控及“双非”监管工作的重要基础。耕地地块在作物类型、利用状态和尺度上的差异性、及边界结构的复杂性，导致现有模型在提取耕地信息时易出现地块不完整和边界连续性不足问题，难以有效满足实际农业监测和规划需求。本文提出一种DyNeXtFusion-UNet语义分割模型。通过构建以CMUNeXt Block为核心的编码部分，以大核深度卷积和反向瓶颈结构增强复杂环境中模型全局上下文提取能力，提升耕地识别完整性；然后建立以DySample动态上采样为核心的解码部分，通过内容引导的自适应特征重建，恢复深层网络学习过程中丢失的特征细节；最后采用CGAFusion特征融合模块，实现深、浅层特征的有效交互，为解码过程提供更多有效细节与语义信息，提升地块的完整性与边界连续性。为验证DyNeXtFusion-UNet的有效性，本文选取无人机影像数据集和FTW数据集进行验证，mIoU分别达到88.5%和77.9%，优于其他对比模型。实验结果表明，DyNeXtFusion-UNet能更好地满足遥感影像耕地分割要求，为推动精准农业实施提供切实支撑。关键词：耕地;DyNeXtFusion-UNet模型;CMUNeXt Block;动态上采样;特征融合140|44|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-10-15时空融合与机器学习的干旱区“河-湖”系统悬浮泥沙高频监测 AI导读
摘要：博斯腾湖作为中国最大的内陆淡水吞吐湖，其水环境受气候变化和人类活动双重影响，悬移质泥沙浓度（Suspended Sediment Concentration， SSC）呈现显著的时空差异。本研究以新疆开都河下游及博斯腾湖入湖口为研究区，针对水体泥沙动态监测中单一卫星遥感数据在空间与时间分辨率上难以兼顾的局限，基于星地同步实测数据以及Sentinel-2、Sentinel-3多源卫星影像，构建了复杂内陆水体SSC高时空分辨率监测方法体系。采用TMART模型结合DSF算法进行邻近效应与大气校正，提高反射率反演精度；利用全方位性能评估（APA）框架筛选最优时空融合算法，对经验模型、半分析模型及多种机器学习模型进行比较，优选SSC反演模型。研究结果表明：（1）在干旱区高亮地表背景下，TMART 物理预处理结合 DSF 算法能够有效削弱光学串扰，显著提高水体反射率反演精度；（2）对 FIRST、FSDAF、Fit-FC和ESTARFM 等模型的对比表明，FIRST 模型在保留光谱特征、维持空间细节方面综合表现最优，成功实现了多源影像的有效融合，通过Sentinel-3逐日高频观测对Sentinel-2较长重访周期形成的时间断层进行了有效插补，提升了非云雨天气下的有效观测频次；（3）经过特征工程优化的 XGBoost 模型在多类反演模型中精度最高且稳定性最佳，其独立验证集结果为 R2=0.87，RMSE 为 2.53 mg/L，Bias 为 -0.11 mg/L。本研究成功重构了研究区 SSC 高频动态分布图谱，可为全球变化背景下干旱区内陆水域的多源协同观测与水循环演变评估提供可靠的方法学支撑。关键词：悬浮泥沙浓度;时空融合;机器学习;邻近效应校正;内陆复杂水体171|42|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-10-15面向突发地表异常任务的通遥一体化星座效能评估 AI导读
摘要：卫星遥感是获取地表信息的重要技术手段，在自然灾害监测、环境变化感知与应急响应等领域发挥着重要作用。随着低轨卫星星座、星间通信及星上计算技术的发展，通遥一体化星座体系为提升遥感系统快速响应能力提供了新的技术途径。然而，在复杂系统条件下，遥感观测、星上处理与星地回传等多环节协同作用对系统整体响应效率的影响机制尚不清晰，缺乏面向异常任务执行全链路的系统级效能评估方法。本文从遥感任务执行流程出发，构建覆盖观测获取、星上处理与星地两跳回传的全链路解析模型，提出融合时延、资源消耗与星座规模的综合效能评估方法，实现多维性能指标的统一量化表达。同时，构建系统级仿真平台，以地震灾害场景遥感任务为例，结合蒙特卡洛重复实验、星座规模扫描、权重敏感性分析和多场景参数敏感性实验，对不同星座规模和资源配置条件下的系统性能与综合效能进行分析。实验结果表明，所提出方法能够有效评估通遥一体化星座系统综合效能，揭示系统性能受多阶段耦合与多资源约束的影响规律，可为不同任务时效需求下的星座规模配置与资源优化提供定量分析依据。关键词：遥感任务;通遥一体化;遥感星座;综合效能评估;多阶段建模;系统仿真219|58|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-10-08地理学视角下的突发性地表异常遥感探测 AI导读
摘要：突发性地表异常是偏离正常状态的地理现象，通常具有发生突然、演化迅速和成因复杂等特征。在国家生态安全、灾害防控与资源监管等应用背景下，实现突发性地表异常的在轨快速探测具有重要意义。受星载计算与存储资源受限的影响，现有地表异常探测方法难以并行部署，且在异常类型未知的条件下难以确定统一有效的特征体系。针对上述问题，本文从地理学基本规律出发，围绕“突发性地表异常的通用性表征”这一核心，将突发性地表异常定义为地理学时空关联结构的破坏。在此基础上，构建了一种面向在轨应用的地表异常探测框架，通过对地理关联约束下稳态结构偏移的协同建模，实现对不同类型突发性地表异常的统一响应与稳定探测。在多种典型地理场景下的实验结果表明，该方法在跨场景、跨异常类型条件下均具有良好的适用性与稳定性，可为星载条件下突发性地表异常的智能探测提供一种可行方案。关键词：突发性;地表异常;即时遥感;在轨探测;地理学时空关联;通用性异常表征272|47|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-29气候变化情景下中国再生稻与双季稻适宜性的非对称演变 AI导读
摘要：双季稻和再生稻作为中国亚热带季风区的重要栽培种植模式，明晰这两种稻作模式在未来气候变化条件下的适应性特征，对维护区域乃至全球粮食安全具有关键作用。然而，二者在气候变化背景下的相对气候优势仍缺乏系统认知。本研究利用遥感卫星和全球气象站观测数据生产的气候环境变量产品，结合两种稻作模式空间记录点数据，从12种常用的物种分布模型中筛选高性能模型，采用真实技能统计量加权平均集成多模型预测结果，系统评估了中国双季稻与再生稻当前及未来多种情景下的适宜性分布特征；通过真实技能统计量最大化阈值法划分适宜区边界，并在适宜区中按照等分概率范围划分不同适宜等级；通过比较两种稻作模式的适宜性等级，识别出再生稻适宜性等级高于双季稻适宜性等级的区域作为更适宜再生稻区域，以突出两种稻作模式适宜性在时空维度上的非对称演变特征。研究结果表明，在当前气候条件下，再生稻的适宜区域（137.91×10⁵ ha）显著广于双季稻（98.56×10⁵ ha）；但未来气候变化将驱动二者呈现时空维度上的非对称演变特征。在时间维度上，双季稻适宜面积在各排放情景下均呈持续扩张趋势，SSP585情景下至本世纪末增幅约27%；而再生稻表现为先扩展后缩减，其适宜面积在SSP585情景下至本世纪末相比当前缩减10.29×10⁵ ha。在空间维度上，双季稻适宜区呈现低纬度基本无收缩的单向北移拓展；而再生稻呈现低纬度大幅收缩与高纬度及西南高地扩张并存的特征。尽管气候变化会削弱再生稻相比双季稻的空间优势，但即使在SSP585情景下本世纪末其潜在优势区面积（24.59×105 ha）仍远高于当前种植规模（12.4×105 ha）。这种时空维度的非对称响应凸显了制定针对性适应策略以维持动态气候条件下粮食生产稳定的必要性。关键词：遥感应用;气候变化;适宜性;再生稻;双季稻;物种分布模型414|97|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04融合夜光衰减与植被增强特征的农村居住用地闲置遥感识别 AI导读
摘要：研究以河北省张家口市为研究区，针对较大范围农村居住用地闲置风险识别在复杂地形与城乡混杂背景下存在的漏检率高、背景干扰强及利用状态判别不足等问题，提出融合地形约束与多源时序活力特征的深度学习与机器学习协同识别方法，通过在U-Net模型中融合DEM地形通道与注意力机制，实现复杂地形条件下农村居住用地的像元级提取后，结合建成区边界与夜间灯光特征去除城市像元，构建农村居住用地掩膜，进而融合SDGSAT-1微光夜间灯光与Sentinel-2多时相NDVI时序特征，构建表征人类活动衰减与植被增强的多源协同特征，并利用机器学习模型实现农村居住用地闲置状态的后验概率估计与空间风险分异表达。结果表明：改进U-Net模型在复杂地形背景下具有更高的居住用地分割精度，IoU达到0.8994；在闲置风险识别阶段，轻量梯度提升机（LightGBM）模型综合性能最优（AUC=0.874，F1=0.826），空间自相关分析显示闲置概率像元呈显著正向空间集聚特征（Global Moran’s I=0.842）。研究基于“农村居住用地闲置风险在遥感时序上表现为夜间灯光活力衰减与庭院植被增强并存的复合信号”特征，所构建的闲置风险识别方法，实现了区域尺度农村居住用地闲置的像元级识别与概率化风险表达，可为农村低效建设用地监测与土地整治优先区划定提供参考依据。关键词：农村居住用地;闲置风险;DEM地形约束;SDGSAT-1 微光衰减;NDVI时序植被特征增强;U-Net412|138|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04基于旋转变换的农作物区双极化SAR散射特征提取与分类研究 AI导读
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%，较协同利用卫星与无人机影像的田块尺度水稻NDVI连续监测 AI导读
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1470|1293|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-03-17面向“灾前-灾后”全流程的农作物倒伏无监督自动化遥感监测研究 AI导读
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-2730|1178|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-03-13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1150|1055|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-12-11面向公里级遥感像元的地面观测理论与方法—以数值型陆表参数为例 AI导读
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1041|1263|1<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707|1125|2<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-06-17AMSR-E地表温度数据重建深度学习方法研究
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-CNN3261|1316|0<HTML><网络PDF><Meta-XML>更新时间：2022-03-09中国东北植被生长幅度与长度对生产力长期趋势与变异影响分析
摘要：在全球升温背景下,北半球中高纬度植被生产力呈现增强趋势。学界普遍认为植被生长季延长是促进植被生长的重要因素,而夏季植被生长幅度(最大生长能力)对生产力的影响尚不明确。本文基于长时序遥感NDVI数据,探讨生长季长度和幅度对植被生长力的长期趋势与变异的控制作用及差异。首先基于1982-2015年的GIMMS NDVI3g数据,利用曲率求导法确定关键物候参数-生长季开始点、结束点和夏季峰值点,通过曲线下积分方法获得生长季生产力(VIsum),然后在像元和植被覆盖区尺度上探索生长季长度(Length of Growing Season, LOS)、生长幅度(Growing Magnitude, MAG)、VIsum的长期变化趋势与变异,利用相对重要性分析方法,确定LOS和MAG对VIsum的影响。结果表明：研究区总体的LOS呈现微弱缩短趋势,MAG轻微增强,生产力变化趋势不显著。VIsum与LOS的波动性一致,与MAG振幅呈反相位,三个变量的趋势和变异都存在一个10年的周期。在像素尺度的空间分布上,VIsum主要在北部针叶林区、西部草原和南部针叶林区呈增长趋势,LOS和MAG趋势的空间分布基本相反,LOS在中部和东部的农作物区和少部分西部草原呈现缩短趋势(约占植被区81.5%),MAG在农作物区、大兴安岭部分针叶林区、西部草原区为增强趋势(约占植被区16.5%)。表明植被生长周期压缩促进了夏季生长幅度的提升(LOS与MAG负相关)。在各植被覆盖类型中仍然是LOS对VIsum趋势和变异的贡献最大(约为75%)。LOS和MAG对VIsum趋势及变异贡献作用的空间分布完全相反：LOS在北部针叶林和东部阔叶林区占主要控制作用,MAG主要影响西部草原和中-南部农作物区(贡献率27%),但是相对作用仍小于LOS。基于森林站点通量数据的验证表明地面物候和生产力变化趋势与卫星NDVI的发现一致。虽然研究区植被生长季长度仍然是控制生产力长期趋势和变异的主要因素,但是植被生长幅度呈现不断增强的趋势,未来有可能发生控制力的转变。关键词：植被物候;植被生产力;生长季长度;生长幅度;相对重要性;GIMMS NDVI3g2032|2406|0<HTML><网络PDF><Meta-XML>更新时间：2021-06-11基于哨兵二号卫星多光谱遥感图像的细小水体提取方法研究
摘要：基于卫星遥感的水体提取算法主要针对大中型湖库或者是大型河流，应用于细小水体时容易出现误判。哨兵二号卫星多光谱遥感数据空间分辨率为10、20、60米，双星时间分辨率5天，时间和空间分辨率较高，因此本文采用了哨兵2绿光波段（560nm）、红边波段（705nm）、近红外波段（842nm、865nm）和短波红外波段（2190nm）的遥感反射率，提出了一种新的水体指数算法（Vegetation Red Edge based Water Index，简称RWI）。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率，从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法，包括改进的归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）、多波段水体指数MBWI（Multi-Band Water Index）、自动水提取指数AWEI（Automated Water Extraction Index），以人工目视解译的水体结果为准，对比以上几种算法得到的水体提取结果，得出RWI、MNDWI、MBWI、AWEIsh、AWEInsh的误差分别为3.6%, 4.2%、12.2%、8.8%、19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看，本文提出的RWI算法提取的水体边界效果更佳，而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时，在2016年1月~2018年12月时间范围内筛选选取了共43景无云的哨兵2影像，利用本文提出的算法对雄安新区、神东矿区、永城矿区三个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好，细小水体的边界区分度较高，基本没有错提、漏提，算法具有良好的适用性和稳定性。关键词：水体提取;水体指数;细小水体;哨兵2;RWI;MNDWI;MBWI;AWEI3586|3793|0<HTML><网络PDF><Meta-XML>更新时间：2021-06-11
