最新刊期
-
摘要：卫星遥感图像舰船目标检测与识别在海洋监视、航运管理和军事侦察等领域具有重要应用价值。然而，现有数据集在规模、多样性和细粒度方面的不足严重制约了该领域的发展。为突破这一瓶颈，本文构建了大规模细粒度舰船实例检测数据集LAFI（LArge-scale FIne-grained Ship Instance Detection），并基于稳定扩散模型进一步构建了一个百万级舰船目标检测数据集LAFI-Diffusion。该研究具有以下创新性贡献：（1）LAFI是目前规模最大、类别最丰富的公开舰船数据集，包含8000张高分辨率遥感图像、49种舰船类型以及48717个精细标注实例；（2）采用一个可控的扩散模型，由船舶-海洋文本提示引导，在不同的海况、天气条件和时间变化下生成数百万幅合成图像，可以支撑目标检测模型的预训练，显著提升了模型在复杂海洋场景下的泛化能力，同时减少环境干扰。最后，基于LAFI数据集，本文系统评估了当前主流的7种有向框检测算法，为后续研究提供了重要基准。关键词：遥感图像;舰船目标检测;数据集;扩散模型;合成数据生成;细粒度识别;有向边界框;数据增强166|238|0更新时间：2026-04-21 -
摘要：河湖岸线是内陆水体与陆地的接触地带，具有调蓄洪水、维护生态平衡等极为重要的生态功能。及时掌握河湖岸线的动态变化对于防洪减灾以及水生态环境建设与保护具有重要的现实意义。本文通过训练Swin-UNet深度学习模型，基于高分辨率遥感影像（高分卫星与Sentinel-2），研发了区域水体与河湖岸线识别技术，并用以监测郴州市2015-2025年河湖岸线的动态变化。结果表明基于Swin-UNet深度学习模型的水体与岸线识别模型明显优于传统的阈值法或相对简单的机器学习模型，其水体识别精度>90%，水体轮廓信息清晰。基于高分影像的结果显示，研究区多年平均水域面积约为314.7km2，对应的岸线长度约为7306.4km。高分影像与Sentinel-2的结果有较好的一致性（年均值相关系数大于0.99），但是由于其更高的空间分辨率，高分影像识别所得的水域面积约比Sentinel-2高18.9%，而岸线长度则比Sentinel-2长约75%。研究区岸线长度的年内波动（变异系数=12.8%）高于其年际波动（变异系数=9.0%）。研究区内人工水体岸线形态稳定性高于自然岸线。研究区内河湖岸线结构演化呈半自然-半人工岸线向人工岸线转化，而自然岸线相对稳定的特征，其演变态势与城市空间外拓以及退耕还林还湿系列生态修复政策密切相关。关键词：河湖岸线;动态监测;Swin-UNet;高分卫星;Sentinel-2;郴州市274|251|0更新时间：2026-04-21 -
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SAM初步分割结果进行逐地块统计，更新先验知识阈值范围，并作为地块分割提示信息二次输入SAM模型，通过上述迭代学习的方式，在更新先验知识的同时，得到最佳的地块级分类识别结果。最后，本方法创新性提出了采用IoU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，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，本方法在无需针对研究区进行特定模型训练的前提下，取得了可与监督学习模型媲美甚至更高的提取精度，充分证实了本文方法的有效性和区域泛化能力，为实现大范围、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122|116|0更新时间：2026-04-21 -
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，如何将两者有效融合得到精度和时空覆盖度更高的土壤水分产品是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，具备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，本研究采用三种数学误差度量方法包括扩展的三重配置法（ETC）、双工具变量法（IVd）和三角帽法（TCH），在全球尺度对被动微波SMAP及主动微波ASCAT土壤水分产品进行评估，揭示其精度空间分布规律；在此基础上采用三种主流融合算法（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，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、被动产品；2）多数融合产品表现优于ASCAT产品，与SMAP精度相近；3）除了基于IVd的最大化信噪比法以外，基于TCH的融合方法整体优于ETC和IVd方法。本研究揭示了不同的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融合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205|139|0更新时间：2026-03-26 -
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334|503|0更新时间：2026-03-17 -
摘要：颗粒有机碳（Particulate Organic Carbon，POC）是内陆水体碳库中的重要组成部分，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，使得已有的POC遥感反演算法的精度和普适性相对较低。本研究以长江干流中下游区域和太湖作为研究区，利用了生物地球化学来源示踪方法，解析了POC的端元贡献，构建了内源POC比例的遥感反射率三波段比值估算模型，并通过POC内外源比例将水体分为两类，即以内源和陆源POC为主导的水体；针对两种类型水体，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，算法精度与普适性较好，RMSE为1.322 mg/L，MB为-0.177 mg/L，MAPE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162|127|0更新时间：2026-03-13 -
摘要：可见光图像和合成孔径雷达（SAR）图像是卫星遥感在城市规划、防灾减灾与国家安全等领域中的主要数据源。特征提取作为连接遥感图像与高层应用的关键桥梁，其质量直接影响遥感智能解译在复杂场景下的效能。自传统手工特征提出以来，特征提取方法经历了从手工设计到数据驱动的深刻变革，尤其在深度学习推动下取得显著突破。然而，遥感数据标注成本高、专业性强，纯数据驱动的方法仍面临泛化能力不足、可解释差等挑战。为此，研究者提出“数据+知识”双驱动理论框架，通过数据驱动的感知能力和知识驱动的认知能力实现更高级别的智能。本文首先系统性回顾了可见光和SAR图像的传统特征提取方法及深度学习方法的进展，归纳了两类方法在特征提取中面临的挑战，并深入阐述了知识驱动的特征提取方法，将引导网络的知识归纳为视觉知识、地理空间知识和物理知识，探讨了知识引导网络的训练范式。最后，展望了特征提取的未来发展趋势，指出遥感大模型构建、数据与知识双驱动发展和前沿技术交叉融合式发展将成为重点研究方向。关键词：遥感智能解译;可见光图像;SAR图像;手工特征提取;深度特征提取;数据和知识双驱动149|1356|0更新时间：2026-03-13 -
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-2124|458|0更新时间：2026-03-13 -
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AST回归算法（AdaBoost–Stacking Tree-based，AST）以提高森林地上碳储量（Aboveground Carbon Stock， AGC）估测的稳定性和准确性。以云南省香格里拉地区的高山松为研究对象，采用森林资源二类调查数据和Landsat 8 OLI影像，构建融合遗传算法与CatBoost的特征选择方法（Genetic Algorithm and CatBoost， GAC），并与递归特征消除法（RFE）分别进行遥感变量筛选，采用Hyperopt超参数优化框架对各模型进行超参数调优，将四种单一机器学习回归模型即自适应提升（AdaBoost）、CatBoost、随机森林（RFR）、轻量级梯度提升（LightGBM）进行堆叠集成形成AST回归算法，该算法通过基学习器的均值融合与元学习器自适应加权实现模型优化；通过比较六种单一模型与AST集成模型的精度，采用最优模型进行高山松碳储量反演及结果的不确定性制图。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 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算法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=0.885，均方根误差RMSE=8.321 t/hm²，预测精度P=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算法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129|421|0更新时间：2026-03-13 -
摘要：2024年第11号台风“摩羯”在菲律宾以东海域生成后向西北方向移动，在南海海域迅速增强为超强台风等级，给珠江三角洲地区带来严重风雨与洪涝灾害。本文基于多源合成孔径雷达（Synthetic Aperture Radar， SAR）星载卫星多时相观测数据，利用500米分辨率海面风场反演产品，经过陆地掩膜、噪声滤除、扇贝效应去除及台风中心定位等处理，提取分析台风“摩羯”演变过程中的风场精细结构参数。结果表明，“摩羯”在快速增强阶段最大风速和风圈半径均显著增大，风场结构不对称性增强，在达到超强台风后保持稳定。基于二维傅立叶变换的谱分析发现，SAR海面风场能够清晰呈现台风边界层千米尺度滚涡结构，其方向与台风外围切变场基本一致，波长集中在2–3公里，且其分布不随台风强度变化而显著改变，与当前滚涡形成及维持主要受局地风切变不稳定动力影响的认识一致。虽然本文研究数据样本有限，但初步证实了SAR在揭示台风海面风场精细结构及边界层千米尺度过程方面的巨大潜力，为后续开展多台风案例大数据统计，深入理解台风不同强度阶段的海气相互作用动力机制提供重要参考。关键词：合成孔径雷达;台风“摩羯”;风场结构;风圈半径;不对称性;边界层滚涡119|376|0更新时间：2026-03-13 -
摘要：轻量化遥感图像目标检测在遥感数据高效处理与实际场景应用中具有关键价值，而遥感图像中圆形或类方形目标（如油罐、车辆等）十分常见，精准检测这类目标对资源监测、城市规划等任务具有重要意义。在遥感图像目标检测精度不断提升的背景下，模型复杂度相应地显著增加，现有遥感图像目标检测方法在精度与模型复杂度之间难以实现有效的平衡。针对上述问题，在已有针对圆形或类方形目标检测网络的基础上，提出了一种基于空间-通道重构的轻量化遥感图像目标检测方法，旨在保持高精度的同时，降低模型复杂度。首先，针对特征图在空间维度上存在的冗余信息，采用了空间重构单元，根据空间特征丰富程度对特征图进行分离，得到空间信息丰富组与空间信息冗余组，再对两组进行交叉重构操作以减少空间特征冗余，并增强遥感图像目标的空间特征表示；然后，针对特征图的通道信息冗余，提出了基于部分卷积的通道重构单元，将特征图从通道维度分割为两部分，一部分使用部分卷积进行高效的特征提取，另一部分使用点卷积获取隐藏的细节信息，对两部分通道加权重构并拼接，以更少的计算成本提取特征并增强了重要通道的特征表示。实验结果表明，所提出的方法有效减少了模型的计算量与参数量，并保持了良好的检测精度。关键词：遥感图像;目标检测;圆形目标;模型轻量化;重构单元115|129|0更新时间：2026-03-09 -
摘要：街景影像是感知城市物质环境的一种新型地理大数据。通过街景发现立面变化并识别变化语义类别是城市更新的重要感知手段。传统变化检测方法无法直接区分街景变化物体的时相归属（变化拆分），难以高效识别两个时相中变化区域的语义类别。本文提出Cross-C2PO （Cross-Combine 2 POssible change types）模型统一变化检测与时相拆分任务，有助于引入现有图像语义分割模型实现街景语义变化检测。在此基础上，文章构建了城市更新动态度指标的感知分析方法，以广州主城区2013-2019年更新变化监测为目标，进行街景全景综合变化感知，实现前后左右视四个视角感知的城市更新动态度制图，直观展现了城市更新的分布及物理环境变化强度，为街景与计算机视觉智能结合应用提供创新方法和案例研究。关键词：城市更新;街景影像;语义变化检测;场景变化检测;弱监督;动态度275|424|0更新时间：2026-03-06 -
摘要：河流流量是水文循环过程的关键变量，在洪水预警、水资源调度和生态环境管理中具有重要意义。本论文选取黄河源区的唐乃亥水文站为试点，提出一种融合卫星遥感和机器学习方法的河流流量监测技术。首先利用哨兵2号遥感影像提取河流的水面宽度，联合全球陆面数据同化系统模拟的气象水文变量（蒸散发、土壤湿度、温度、陆地水储量和径流量）作为6种驱动因子，分别构建了基于四种统计方法（线性函数、幂函数、指数函数和多项式函数）和四种机器学习方法（XGBoost、Random Forest、LightGBM和CatBoost）的流量监测模型，评估不同模型监测结果间的差异并利用Shapley Additive Explanations （SHAP）方法量化不同驱动因子的重要性。结果表明，四种统计方法中，多项式函数模型在测试期的效果优于其它三种模型；相比于传统统计方法，机器学习方法在精度和稳定性方面表现出显著优势，决定系数（R2）提高了46.15%，均方根误差（RMSE）和平均绝对误差（MAE）分别减少了54.61%和55.65%。Random Forest模型在测试期的模拟效果优于其它三种模型，其R2、NSE、RMSE和MAE分别为0.96，0.89，172.81 m³/s和147.33 m³/s。SHAP方法表明水面宽度在流量监测模型中具有最显著的贡献（189.02），其次为土壤湿度（145.11）和温度（97.41）。本研究证实了联合卫星遥感和机器学习方法在复杂地形与资料匮乏区域开展高精度流量估算的可行性和优越性。关键词：卫星遥感;机器学习;统计模型;SHAP方法;流量监测;唐乃亥水文站197|445|0更新时间：2026-02-27 -
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343|497|0更新时间：2025-12-11 -
摘要：定量分析中国脱贫县生态环境和社会经济之间的耦合协调关系及其影响因素对于总结脱贫经验、巩固脱贫攻坚成果具有重要意义。本文基于长时序、高精度的遥感数据集，构建了全国832个脱贫县生态环境和社会经济的综合评价指标体系，定量评估了两者在2010年、2015年和2020年的发展水平及其耦合协调状态，并运用提升回归树模型识别各指标因子对区域耦合协调发展的贡献率。研究结果表明，脱贫县生态环境的综合发展水平整体高于社会经济发展水平，但社会经济的发展速度快于生态环境的改善速度，且两者在2015至2020年间的平均增长率高于2010至2015年。从空间分布来看，东北地区脱贫县的耦合协调度最高，西北地区最低，整体呈现“东高西低”的分布格局，并表现出由沿海向内陆逐步推进的发展趋势。绝大部分脱贫县属于“经济滞后型”的耦合协调类型，人口数量、国内生产总值、夜间灯光等社会经济指标在耦合协调发展中的贡献尤为显著。基于典型地区的脱贫路径和实践经验，研究进一步提出，因地制宜发展产业扶贫是推动脱贫县社会经济快速发展的关键举措，打造多元化的本地特色产业是巩固脱贫攻坚成果、有效防止返贫的核心策略。关键词：脱贫县;生态环境;社会经济发展;遥感数据集;耦合协调;提升回归树模型;贡献率;空间分布格局;产业扶贫229|226|0更新时间：2025-11-04 -
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394|795|0更新时间：2025-07-21 -
摘要：人为热通量（Anthropogenic Heat Flux， AHF）是单位时间内单位面积上产生的人为热排放总量。研究AHF的时空分布，有助于理解城市热环境的形成与变化，也对缓解和调节城市生态环境问题具有重要的理论和实际意义。为获取区域范围少量样本情形下人为热排放的空间分布并开展关中平原城市群人为热排放的时空演化特征分析，本研究首先采用修正后的源清单法估算地级市人为热通量，再结合POI数据、夜间灯光数据、建筑高度数据以及人口分布数据等多源空间数据通过多元线性回归构建不同类型人为热排放估算模型，获取了2016-2021年关中平原城市群空间分辨率为500米的逐年人为热排放数据，并开展了人为热排放时空特征分析。研究结果表明：（1）多元线性回归在AHF格网化中具有较高的可行性，其获得的拟合模型拟合精度较高，决定系数（R2）均超过0.9，其中建筑AHF的拟合模型精度最高，R2达0.98；（2）POI参与人为热的格网化分配能够很好地体现出不同类型人为热排放的空间异质性，是估算不同热源AHF空间分布的重要数据源；（3）关中平原城市群人为热通量空间分布不均匀，在经济发达、地形平坦、城市化程度高的城市群中心区域形成高值区，在时间上其总体呈现上涨趋势。研究获得的人为热排放空间分布数据可以为城市热环境评估和城市热舒适度模拟提供数据参考。关键词：人为热;POI数据;夜间灯光;多源空间数据;人类活动;多元线性回归;源清单法;关中平原城市群;时空变化525|791|0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162|725|0更新时间：2024-06-17 -
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-CNN2692|921|0更新时间：2022-03-09 -
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 NDVI3g1717|2225|0更新时间：2021-06-11
- 地址：北京市海淀区北四环西路19号 《遥感学报》编辑部 邮编：100190
- 联系电话：010-58887052 Email：nrsb@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备20021838号-9
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0