卓越遥感青年论文
《遥感学报》依托品牌会议“遥感青年科学家研讨会”从前年发表的论文中，综合考虑论文的学术质量、创新水平、学术影响力、引用情况、阅读量、下载量等多个维度，最终遴选出10篇“卓越遥感青年论文”。
主题关键词： 高光谱遥感高效特征提取高光谱遥感影像高光谱异常检测面向对象多尺度分析遥感图像解译遥感图像处理
《遥感学报》依托品牌会议“遥感青年科学家研讨会”从前年发表的论文中，综合考虑论文的学术质量、创新水平、学术影响力、引用情况、阅读量、下载量等多个维度，最终遴选出10篇“卓越遥感青年论文”。
- 论文汇编
- 摘要：开展城市群建设用地扩张时空变化特征分析，对优化城市群空间格局、促进区域协调发展具有重要意义。本文以全国19个城市群为研究对象，基于1990年—2020年全国中等尺度分辨率的遥感影像数据，进行城市集中建设区提取，并从城市群扩张进程、城市群发展阶段、城市群扩张模式以及城市群重心迁移规律等方面开展了研究。结果发现：（1）近30年全国19个城市群城市规模变化曲线总体呈现“S”型，城市群扩张进程大致可分为缓慢扩张、快速扩张和平稳扩张3个时期；东部城市群进入快速扩张期比西部早10年左右；多数城市群在2015年之后进入平稳扩张期。（2）至2020年，19个城市群均处于较高级别发展阶段，内部中心城市与外围城市之间的空间扩张协调度不断提高；东部城市群整体处于更高级别的城市群发展阶段。（3）基于城市群在不同方向的扩张规模，全国19个城市群的空间扩张模式可以分为环状扩张、扇状扩张、轴状扩张，空间扩张模式与城市群内部核心城市的数量、位置和影响力密切相关。（4）从城市群重心位置变化来看，84%的城市群的重心位置在30年间相对稳定，基本位于核心城市或邻近核心城市的同一地市内，城市群的核心城市吸引力强，外围城市建设规模扩张较为平均。长时序、高精度的城市建设规模监测能够全面地反映城市群发展进程与模式，为城市群空间高质量发展规划与决策提供信息支撑与科学依据。关键词：城市群;扩张进程;扩张模式;时空特征分析3809|8016|4<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-12-30
- 摘要：准确监测土壤有机碳密度SOCD（Soil Organic Carbon Density）对调控土壤碳汇、合理利用土壤资源具有重要意义。机载高光谱影像为精细化SOCD制图提供了重要数据源。由于机载高光谱在数据收集过程中易受到外部因素的影响，光谱中存在噪声影响SOCD的估算精度。因此，本研究旨在探究基于机载高光谱影像估算SOCD的技术流程。对原始光谱进行预处理，包括一阶微分FD（First Derivative）和包络线去除CR（Continuum Removal）变换。采用遗传算法GA（Genetic Algorithm）选择特征波段，并结合不同回归方法，如偏最小二乘回归PLSR（Partial Least Square Regression）、多元线性回归MLR（Multiple Linear Regression）、支持向量机SVM（Support Vector Machine）和人工神经网络ANN（Artificial Neural Network）估算SOCD。结果表明，在经过GA特征波段选择后，原始光谱、FD光谱和CR光谱预测SOCD的精度均有所提高。使用原始光谱特征波段，PLSR、MLR、SVM和ANN共4种模型预测SOCD的决定系数R²分别为0.672、0.621、0.551和0.678。使用FD与CR光谱特征波段的R²范围分别在0.452—0.593和0.332—0.602，具有较大的误差。利用原始光谱的特征波段进行SOCD数字制图，不同回归模型预测的SOCD在空间上具有较为相似的变化趋势，与SOCD测量值较为相近，绝对误差较大的点多出现在采样点边缘附近。关键词：土壤有机碳密度;机载高光谱;遗传算法;数字土壤制图1856|2862|6<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-02-29
- 摘要：遥感图像因具有丰富的语义信息和空间信息，增加了语义分割的难度。然而已有提取双模态特征的分割方法采用相同的主干网络，没有考虑互补特征的差异，存在特征提取、特征融合和上采样恢复细节信息不足等问题，无法准确高效的学习高分辨率遥感图像信息。因此，本文提出基于双模态高效特征学习的高分辨率遥感图像分割算法。首先，针对不同模态的遥感图像设计合适的编码器，高效的提取双模态特征，并通过交互加强模块减少不同路径特征之间的差异。其次，提出双模态特征聚合模块和深层特征提取模块进一步融合和提取双模态特征，使网络能够充分学习互补信息。最后，提出多层特征上采样模块，利用语义信息丰富的高层特征对细节信息丰富的低层特征进行加权操作，逐步上采样实现特征高效恢复，提升分割性能。实验结果表明，所提算法在ISPRS Potsdam和Vaihingen数据集上的总体精度分别达到了94.52%、90.45%，能够高效的提取并融合高分辨率遥感图像的双模态特征，提高遥感图像分割的准确率。关键词：遥感图像分割;高效特征提取;交互融合;双模态特征聚合;深层特征提取;多层特征上采样1137|3469|2<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-03-22
- 摘要：知识与数据是贯穿遥感图像解译数十年发展历程的两大要素。随着传感器平台的不断丰富，以及深度学习、大数据、多模态、长时序解译方法的快速突破，数据驱动的智能解译成为了近年来的热点研究方向。然而在不断深入扩展的研究与应用中，数据驱动方法迁移复用难、样本依赖强、可解释性弱等局限开始显露。在长期解译实践中积累的各类知识具有客观实在性、确定性、场景适应性、解释推理性等特点，可以与数据驱动的方法互为补充，知识与数据双驱动正逐渐成为遥感图像解译的新方向。本文首先回顾了遥感图像解译发展的几个主要阶段以及知识和数据在各个阶段分别发挥的作用，继而总结了14类遥感图像解译涉及的主要知识类型。知识与深度学习的融合是实现知识与数据双驱动的重要路径，本文梳理了5大类15小类知识与深度神经网络的融合方法并例举了相关案例。以知识类型为主要脉络，本文进一步对现有知识与数据联合的遥感解译应用进行了综述，通过典型案例分析了效益能力增量。最后本文对知识与数据联合驱动的遥感图像智能解译框架及关键技术进行了展望。关键词：遥感图像解译;知识驱动;数据驱动;人工智能;知识图谱;深度学习;自然资源;综述12375|19250|11<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-12-30
- 摘要：洪涝灾害对中国沿湖沿江地带的国家经济和人民财产威胁巨大。针对洪涝灾害期间光学影像质量低，单幅SAR（Synthetic Aperture Radar）影像水体提取多依赖经验阈值且可靠性不足等问题，本文提出了一种适应复杂区域的时序SAR影像洪水监测方法。为获取完整的洪水淹没区域，首先结合影像序列的统计分析结果，设计了两个归一化差异指数——突出临时洪水的淹没范围提取指数SREI（Submerged Range Extraction Index）和突出矮植被覆盖的植被区淹没范围提取指数SRVEI（Submerged Range in Vegetation area Extraction Index）；然后，根据同一区域植被季候性分布较为稳定的前提，给出了阈值的自适应选取方式；最后，考虑中国湖泊周围地物特点，构建了适应的后处理过程，优化提取区域，形成了洪水淹没区域提取与监测的详细流程和通用框架。本文以东洞庭湖流域为主要研究区域验证了方法的提取精度，并在此基础上进行了2020年东洞庭湖流域洪涝灾害态势分析和洪水淹没地物分析，展示了方法在洪涝灾害监测评估上的应用性能。另外，本文还将该方法应用于东洞庭湖流域往年数据，进行了汛期洪水淹没范围年际分析，并添加了同年鄱阳湖洪水淹没区域的实验，验证了方法时空应用的稳定性。相关实验结果表明，本文方法对洪水淹没区域的提取精度高，用户依赖性低，可跨越时空地应用于不同洪水淹没区域监测场景，且可以初步区分不同属性的洪水淹没范围，能够为本文涉及区域及其他区域的洪涝灾害监测、评估和预警提供一定的参考。关键词：洪涝灾害;合成孔径雷达;时序监测;水文遥感;SAR;洞庭湖5748|5351|11<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-03-22
- 摘要：尽管深度语义分割网络有效提升了遥感影像语义分割性能，但其效果远未达到人类领域专家的目视解译水平。原因是人类视觉系统在进行遥感影像解译时，往往会综合运用视觉特征、语义信息和先验知识。然而，深度语义分割网络本质上是数据驱动的面向像素级损失反向优化的分类方法。这种基于像素级优化的深度语义分割网络，一方面受限于像素空间尺度，缺乏整体性目标线索挖掘；另一方面难以跨越结构化数据和非结构化知识之间的鸿沟，无法充分利用地学先验知识和空间语义信息。针对以上两方面的问题，本文提出了地学知识图谱引导的遥感影像深度语义分割方法，运用从地学知识图谱中抽取的地物目标语义信息和地学先验知识构建实体级连通约束和实体间共生约束，引导深度语义分割网络训练。其中，实体级连通约束以连通域实体而非像素单元计算损失，得到实体级别的特征表示，使得分割结果更具整体性，边界模糊和随机噪声现象得到抑制。实体间共生约束将共生条件概率量化的空间共生知识嵌入到数据驱动的深度语义分割网络中，实现空间语义信息和地学先验知识对实体空间分布的约束引导和自动优化。验证结果表明，在实体级连通约束和实体间共生约束的引导下，深度语义分割网络可以完成对实体级特征的学习并根据空间共生知识自动优化地物实体的空间分布，有效改善了遥感影像语义分割性能。关键词：地学知识图谱;深度语义分割网络;实体级连通约束;空间共生知识约束;地学知识嵌入优化2026|5430|15<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-03-22
- 摘要：建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题，本文结合面向对象图像分析技术，提出一种基于面向对象孪生神经网络（Obj-SiamNet）的高分辨率遥感影像变化检测方法，利用模糊集理论自动融合多尺度变化检测结果，并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中，并与基于时空自注意力的变化检测模型（STANet）、视觉变化检测网络（ChangeNet）和孪生UNet神经网络模型（Siam-NestedUNet）进行比较。结果表明：（1）融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果，召回率最高提升32%，F1指数最高提升25%，全局总体误差（GTC）最高降低7%；（2）在样本数量有限的情况下，通过生成对抗网络进行样本迁移，与未使用样本迁移前的检测结果相比，召回率最高提升16%，F1指数最高提升14%，GTC降低了9%；（3）Obj-SiamNet方法较其他变化检测方法，整体检测精度得到提升，F1指数最高提升23%，GTC最高降低9%。该方法有效提高了建筑物变化检测在几何和属性方面的精度，并能有效利用开放地理数据集，降低了模型训练样本制作成本，提升了检测效率和适用性。关键词：遥感变化检测;孪生神经网络;面向对象多尺度分析;模糊集融合;生成对抗网络;高分辨率遥感影像2860|2837|8<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-03-22
- 摘要：随着航空航天技术与遥感技术的不断发展，遥感影像在诸多领域的应用不断拓展，其中高光谱分辨率遥感影像具有“图谱合一”的特点，即该数据既包含了具有强大区分性的地物光谱信息，又包含了丰富的地物空间位置信息，因此高光谱数据具有非常大的应用潜力。高光谱异常目标检测问题，是在对目标先验信息未知的前提下，根据光谱与空间信息实现对区域中的异常目标的进行“盲”检测，因此其在资源调查、灾害救援等领域发挥了巨大的作用，是遥感领域非常重要的研究课题。本文针对高光谱遥感影像异常目标检测研究方向，首先总结阐述了目前高光谱异常目标检测问题的主要研究进展，根据算法原理的不同对现有主流算法进行了分类与总结，主要分成了基于统计学、基于数据表达、基于数据分解、基于深度学习等不同的种类的方法，并对每类方法的特点进行分析。随后通过对现有方法的调研、分析与总结，提出了数据库拓展、多源数据融合、算法实用化等高光谱异常检测研究未来发展的3个方向。关键词：遥感;高光谱遥感;高光谱异常检测;深度学习;矩阵分解3724|7161|4<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-02-29
- 摘要：随着高光谱遥感技术的迅猛发展和应用需求的不断增加，高光谱遥感影像分类成为领域的研究热点。尽管监督学习已在高光谱遥感影像分类中取得了不错的效果，但在许多情况下，获取大规模标记样本来训练监督分类算法是困难和昂贵的。因此，利用半监督分类技术对高光谱遥感影像精准分类是一项重要的研究内容。本文首先简要介绍了高光谱遥感影像发展现状和部分应用场景。其次，本文对近年来高光谱遥感影像半监督分类研究的进展进行了综述，着重讨论了低密度分割法、生成式模型、基于分歧（差异）的方法和基于图的方法四种典型半监督分类方法的关键技术和优劣。最后，进一步讨论了半监督分类技术的潜力，为今后研究工作的优化提供思路。关键词：高光谱遥感影像;半监督分类;低密度分割法;生成式模型;图神经网络2149|7590|9<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-02-29
- 摘要：高光谱遥感是以成像光谱学为基础发展起来的一项综合性遥感技术，它能够同步记录成像区域内地物的空间信息和光谱信号，故而也称为“成像光谱遥感”。高光谱遥感所获取的数据称为“高光谱遥感图像”，相较于传统的遥感数据，高光谱遥感图像具有光谱分辨率高和“图谱合一”的特点，目前已成为遥感工程应用中的重要支撑数据之一。然而，受空间分辨率限制，混合像元（即某一像元内包含多种类型的地物）问题始终限制着高光谱遥感在精细化地物信息提取工作中的作用。混合像元分解（“解混”）是现阶段处理混合像元问题最有效的分析方法，旨在从亚像元角度出发，获取像元中纯净的光谱信号（“端元”），并分析出各类端元在像元内所占的比例（“丰度”）。在遥感领域，为实现地物信息精细化解译，目前已发展出不同类型的解混方法，在一定程度上解决了混合像元问题对遥感定量化分析的制约。如今，随着深度学习的发展，越来越多的先进理论和工具被用于处理混合像元问题，发展出了一类基于深度学习的新型解混方法。这些新方法以光谱混合模型为桥梁，用深度学习方式来解译光谱混合现象。相比于传统的解混方法，基于深度学习的解混方法在隐藏信息的挖掘和利用方面更具优势，对先验知识依赖程度相对较低，对复杂场景的适应性更强。近年来，基于深度学习的解混方法发展迅速，并且在植被分布调查、农业产量估算等经常涉及混合像元问题的工作中被逐渐普及，有很好的发展前景和应用价值。本文以光谱混合模型和训练方式为基础，对现阶段基于深度学习解混的研究成果进行归类，并从不同类别的特点出发，对现有基于深度学习的解混方法进行介绍。最后，对当前的技术状况、特点和发展前景进行总结与展望，为今后解混技术的研究与应用提供参考。关键词：高光谱遥感;混合像元分解;深度学习;机器学习;深度神经网络;遥感图像处理;遥感智能解译;亚像元解译7328|8742|9<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-02-29
