最新刊期
- “本报道聚焦城市热环境演变研究，通过时空融合方法重建武汉市夏季地表温度均值，揭示了城市热环境时空变化特征，为城市生态文明建设提供科学依据。”
摘要：遥感地表温度产品是城市热环境演变研究的重要数据源。然而，受遥感器回访周期长及云雨天气情况下数据缺失等因素影响，高分辨率地表温度产品的代表性不足，导致精细尺度下城市长时序热环境的研究受限。本研究利用Landsat和MODIS遥感数据，采用时空融合方法重建了2013–2022年武汉市核心城区夏季长时序高分辨率地表温度均值，并在精细尺度对武汉市热环境演变进行了分析。结果表明：（1）重建的高分辨率地表温度均值产品与地面站点观测数据具有较强的一致性，同时可以反映精细尺度下城市热环境时空变化的高度异质性；（2）2013年–2022年，武汉市主城区高地表温度区占比呈现降低趋势并沿新城组群向周边区域扩张，原本独立的高温区域逐渐连接成片；（3）2013–2022年，武汉市各新城组群夏季高地表温度区除东南新城组群外皆呈现出扩张趋势，其中北部、西部、西南部扩张明显。本研究可为精细尺度下城市热环境的时空格局研究提供支撑，对城市生态文明建设和可持续发展具有重要意义。关键词：城市热环境;地表温度均值;地表温度重建;多源时空融合;时空演变;M-K趋势检验;时空分辨率;武汉市37|41|0更新时间：2025-06-24 - “在遥感领域，专家提出了基于Mamba结构的高光谱和LiDAR数据自适应融合协同分类网络，有效提升了地物识别分类精度。”
摘要：高光谱图像HSI（Hyperspectral Image）可以捕获地物成分的光谱特征，但缺失三维信息，而激光雷达LiDAR（Light Detection And Ranging）可以捕获地物的距离高度信息，两类数据相互补充可以有效提升地物识别分类的精度。Mamba模型具有远程特征学习和高效运算的优势，但目前在多模态遥感数据融合分类中的研究较少，存在多源特征信息缺失，融合不足等问题。基于此，本文提出了一种基于Mamba结构的高光谱和LiDAR数据自适应融合协同分类网络。该网络包括一个可堆叠的基于Mamba结构的双通道协同注意力模块，利用参数共享促进了多源特征之间的相互学习，从而在分类任务中实现更高的分类精度和更好的泛化能力。实验结果表明，所提算法在Trento，Houston2013和MUUFL数据集上的总体精度分别达到了99.33%，91.74%和94.94%，能够更为高效地提取、融合多源特征。关键词：遥感图像分类;协同分类;自适应融合;Mamba结构;参数共享;高光谱图像;LiDAR;多模态数据融合38|39|0更新时间：2025-06-18 - “在目标检测领域，研究者提出了一种红外与可见光特征自适应融合的多模态目标检测方法，有效提高了复杂环境下的检测精度。”
摘要：针对可见光目标检测在遮挡、弱光等复杂环境下特征丰富度易受影响，导致目标检测准确性降低的问题，本文引入红外模态影像弥补可见光影像的不足，提出红外与可见光特征自适应融合的多模态目标检测方法。该方法采用YOLOv8目标检测框架作为基础网络提取多尺度特征信息；在此基础上，基于可见光影像拥有更丰富的纹理特征而红外影像自身的边缘轮廓较纹理更明显的特点，构建多模态混合注意力模块，进行跨模态的信息权重交流和重组以实现不同光照条件下的优势特征；然后，利用可见光模态特征丰富度与环境光照强度的关系，设计了以环境光照强度为指标的可见光-红外权重动态分配模块，并将权重作为参考，纳入多模态特征融合模块进行自适应融合，实现基于多模态特征融合的目标检测。通过在公开的街景数据集M3FD及航拍车辆数据集DroneVehicle上进行实验，结果表明，相较于现有的单模态与多模态目标检测算法，本文方法能够获得更高的检测精度。关键词：目标检测;多模态;卷积神经网络;特征融合;注意力机制;可见光影像;红外影像;深度学习50|57|0更新时间：2025-06-18 - “在粮食安全领域，专家利用多源遥感数据，提出了水稻自动化制图新方法，为丘陵山区水稻精准制图提供可靠方案。”
摘要：水稻是重要的粮食作物，准确及时地获取水稻种植面积是精准分析粮食安全态势的基础。西南丘陵山区阴雨天气频发、水稻种植模式多样且实地采样成本高，难以实现高效、可靠的水稻遥感制图。本文以重庆市潼南区为研究区，利用多源遥感数据的互补优势，以耕地地块为基本单元，解析水稻在不同成像模式中的季候规律，提出了一种样本自动生成策略，并基于特征优选的随机森林模型实现水稻自动化制图。研究结果表明，该方法能够自动生成准确且具有代表性的训练样本数据，生成样本的时序特征与实地样本高度一致（光谱相关相似度0.987，动态时间规整距离4.719）。利用生成的样本进行水稻制图，总体精度高达89%，总面积提取误差为-7.5%，且制图不确定性较低。敏感性分析表明，水稻制图的准确性与稳定性受样本数量、空间分布及特征波段选择等因素影响。本研究可为丘陵山区水稻快速、精准制图提供一种可靠的样本自动化生成方案，并为样本抽样策略的制定和特征波段的选择提供科学依据。关键词：丘陵山区;季候规律;时序遥感;地块尺度;样本自动生成;水稻制图41|48|0更新时间：2025-06-18 - “遥感产品误差溯源研究取得新进展，为地球资源监测提供理论和技术支持。”
摘要：遥感产品是地球资源监测的重要数据来源，随着产品生产与服务体系不断完善，推进高质量遥感产品发展迫在眉睫。遥感产品质量问题是多源误差综合影响的结果，虽然真实性检验方法给出了产品的整体精度，但无法反映各环节误差的具体来源及大小。为了保证产品的可靠性，地球质量保障框架（QA4EO）提供的指导文件中特别强调了遥感产品误差溯源，旨在将遥感产品的误差追溯到统一的参考基准或国际标准。本文聚焦于遥感产品生产与检验中的误差溯源，分析了测量与遥感产品的误差来源，阐述了真实性检验与误差溯源的基本内涵，总结了遥感产品生产与检验中误差溯源的基本方法及其典型应用，并对误差溯源的未来发展趋势进行展望。论文的研究成果可为进一步实现遥感产品生产与真实性检验提供理论和技术支持。关键词：遥感产品;误差;不确定度;真实性检验;误差溯源36|68|0更新时间：2025-06-17 - “在地学领域，北京平原区地面沉降时空特征研究取得新进展，采用时空主成分分析方法，揭示了地面沉降趋势、波动特征及空间分布模式，为地面沉降防控提供数据支撑。”
摘要：时空主成分分析（Spatial and Temporal Principal Component Analysis， ST-PCA）是一种将一组相互相关的变量转化为另一组新的不相关的变量的数学变换过程，在地学领域用于提取时空数据在时间和空间维度的动态演化特征。北京平原区地面沉降具有典型的时序演化和空间分布特征，因此本文在利用PS-InSAR技术获取到北京平原区2010-2016年长时序的地面沉降数据的基础上，采用时空主成分分析方法研究了该地区长时间序列中地面沉降的时空特征。研究发现时间主成分分析方法（TPCA）能够揭示地面沉降的趋势特征、波动特征，以及相应的空间分布模式。TPC1反映了研究区内的地面沉降趋势，呈现一种整体为空间分布不均匀沉降的特点；TPC2揭示了地面沉降的季节性波动特征，及其空间分布差异性，发现尤其在沉降速率大于30mm/a的沉降漏斗区呈明显的、南北分化的季节性差异空间分布特征，表现为北部地区夏季沉降量增大，南部地区冬季沉降量增大。空间主成分分析（SPCA）能够揭示地面沉降在时间上的演化规律，将相似时间变化趋势的沉降点聚类到同一个主成分。SPC1反映了大部分地区以沉降为主的特征，地面沉降呈持续的、线性下降的趋势；SPC2与SPC3则发现在轻微沉降区和非沉降区年均沉降量接近于0mm/a，但是季节性波动特征明显。通过ST-PCA的研究，本文提取了北京平原区地面沉降的一些时空规律，为北京地面沉降防控提供一定的数据支撑。关键词：时空主成分分析;时空演化特征;地面沉降21|35|0更新时间：2025-06-17 - “记者从科技媒体获悉，我国自主研制的陆地探测一号01组A/B卫星（LT-1A/1B）在城区建筑物变化检测领域有较强应用潜力。基于LT-1数据，专家提出一种融合多时相SAR幅度特征和相干性信息的城区建筑物变化检测算法，为城市规划和违建查处等领域提供解决方案。”
摘要：城区建筑物变化检测是土地利用、资源管理和城市规划的重要内容，然而我国南方地区常年受云雾雨天气影响，光学影像难以发挥作用，我国自主研制的陆地探测一号01组A/B卫星（LT-1A/1B）具有高分辨率、短重返周期、多极化、全天时、全天候等优势，可作为光学影像的重要补充，在变化检测领域有较强的应用潜力。本文基于LT-1数据，提出一种融合多时相SAR幅度特征和相干性信息的城区建筑物变化检测算法，该算法通过建筑物识别、色域分割和相干性变化约束，将多时相影像像素值变化与建筑物变化情况对应，从而获取城区建筑物变化区域并定位建筑物变化时段。本文以珠海市横琴镇局部地区为例展开实验，利用2023年6月23日至11月14日共5景LT-1升轨影像得到研究区建筑物变化检测结果。同时借助工程项目施工情况对横琴镇东北部及中部的建筑物变化检测结果进行验证，结果显示八处典型区域内共19处建筑物变化情况均与项目施工周期吻合，验证了算法的可靠性，展现了LT-1数据在变化检测领域的应用能力和价值，在城市规划和违建查处等领域具有广泛的应用前景。关键词：SAR;建筑物变化检测;幅度;色域分割;相干性21|56|0更新时间：2025-06-17 - “在云-气溶胶研究领域，新提出的2D-SMA算法通过统计概率模型和二维层次检测窗口，显著提高了层次检测的准确性和可靠性。”
摘要：星载激光雷达能够观测云-气溶胶特性的垂直剖面分布，是云-气溶胶研究和监测的独特手段。正交偏振云-气溶胶激光雷达 （CALIOP） 已在轨运行多年，提供了大量云-气溶胶剖面观测的数据资料。从激光雷达数据中检测云和气溶胶层次的空间位置，是精确反演和提取层次信息的前提。CALIOP官方算法运用经验阈值检测层次，存在较多的层次漏检。当前以一维简单多尺度算法 （1D-SMA） 为代表的假设检验算法，通过检验给定信号是否符合背景大气分布假设，避免了设置传统的经验阈值阵列，提高了检测准确性。然而，上述方法均未考虑层次信号在二维垂直剖面场景中的空间连续性，漏检现象仍有发生。因此，本文进一步提出了基于伯努利概率分布的二维简单多尺度算法 （2D-SMA），运用统计概率模型替换经验阈值阵列，并结合覆盖多根廓线的二维层次检测窗口，实现对相邻廓线信号空间关联的利用。新算法在全水平分辨率 （5-80 km） 综合检测的层次总面积，比CALIOP官方算法多50.45%，比一维方法1D-SMA多32.45%。新算法仅在5-20 km水平分辨率就能实现与官方算法全分辨率面积相当的层次检出量。最后，本文通过冰云退偏比评估，验证了新算法检测的可靠性。关键词：星载激光雷达;CALIOP;云和气溶胶;层次检测;多尺度20|64|0更新时间：2025-06-17 -
跨视角图像地理定位数据集综述 AI导读
“跨视角图像地理定位研究取得新进展，专家构建分类体系，为提升定位精度提供数据基础。”
摘要：跨视角图像地理定位（Cross-view Image Geo-localization）旨在通过不同视角图像间的匹配，检索参考图库中相似度最大的图像，进而利用其GPS标签实现定位功能。传统的单一视角图像地理定位受限于数据集质量、规模以及定位精度等因素，因而近年来众多研究人员和机构发布了一系列跨视角地理定位数据集，为提升地理定位精度打下数据基础。然而目前尚缺乏对跨视角图像地理定位数据集的系统性分析。本文首先梳理了跨视角图像地理定位发展以来的32个经典数据集，从视角信息、构建类型、真实程度、时相信息四个维度构建分类体系并对数据集基本信息进行归纳总结；其次从元数据、影响力、关键词、获取来源以及应用领域五个方面对跨视角图像地理定位数据集进行深入分析，整理概括了跨视角图像地理定位目前的主流算法，最后从数据集多模态趋势、大模型方法、图像干扰物处理以及模型优化四个角度探讨了跨视角定位数据集未来的发展方向，可以为相关领域研究人员提供参考。关键词：跨视角;图像地理定位;数据集;深度学习;无人机;图像检索;图像匹配;计算机视觉21|90|0更新时间：2025-06-17 -
基于多模态一致性的遥感影像去云 AI导读
“Cloud-Harmonizer去云技术在遥感影像处理领域取得突破，有效修复云区信息，提升影像质量。”
摘要：云层遮挡是光学遥感影像处理中长期存在的挑战，传统去云方法常难以全面恢复被遮挡区域的细节信息，影响影像质量。为应对这一问题，本文提出了一种基于多模态特征一致性融合 （Cloud-Harmonizer） 的去云方法，充分利用SAR与光学影像在地物特征表征上的互补性和一致性，实现云区信息的有效修复。该方法由三个核心模块组成：多模态特征一致性模块 （Multi-modal Feature Consistency Module， MFCM） 用于对齐光学与SAR特征，捕捉并生成云层区域的差异性注意力；一致性约束补偿模块 （Consistency-Constrained Compensation Module， CCCM） 根据差异性注意力引导SAR数据补偿光学影像的缺失特征；多模态协同自适应融合模块 （Multi-modal Collaborative Adaptive Fusion Module， MCAF） 通过自适应融合策略进一步整合两模态特征，提升整体修复效果。在SEN12MS-CR数据集上的实验结果表明，该方法在PSNR、SSIM和SAM指标上分别取得了30.0408、0.9004和7.6068的优异表现，优于当前先进方法。实验结果表明，本文方法在云层去除和特征修复方面展现出较强的潜力，为多模态遥感数据的融合应用与去云技术的发展提供了有益参考。关键词：遥感图像去云;多模态数据融合;多模态特征一致性130|224|0更新时间：2025-05-31 - “在森林垂直结构研究领域，中国东北地区专家建立了RF-EBK模型体系，探索了森林冠层高度估测课题，为精准营林管理提供技术支持。”
摘要：森林冠层高度作为森林垂直结构的关键参数，其精准估测在碳循环与森林地上生物量（Above-Ground Biomass，AGB）研究中发挥着不可或缺的作用。随着遥感技术的不断发展，多源遥感数据为大尺度森林监测中冠层高度估测提供了新的可能性。本研究以中国东北地区（Northeast China，NEC）为研究区域，提出了一种结合随机森林（Random Forests， RF）和经验贝叶斯克里金（Empirical Bayesian Kriging， EBK）方法的模型（RF-EBK），用于区域尺度森林冠层高度的估测。该模型基于星载激光雷达ICESat-2（Ice， Cloud， and Land Elevation Satellite-2）提供的离散冠层高度数据（ATL08）、Landsat 8 OLI影像、航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission，SRTM）地形数据以及森林冠层覆盖数据（CATCD），首先采用基于交叉验证的递归特征消除方法（Recursive Feature Elimination-Cross Validation，RFE-CV）对多源遥感数据中提取的特征因子进行筛选，通过RF模型进行森林冠层高度估测，并计算测试集的估测残差。基于估测残差的空间自相关性，利用EBK方法对估测残差进行建模，得到研究区域空间连续残差插值结果，并对RF估测结果进行残差校正，从而有效提高模型的估测精度，最终实现中国东北地区2023年30m森林冠层高度的高精度估测。结果表明，森林冠层覆盖特征因子在冠层高度估测中的重要性较高。在模型精度方面，RF-EBK模型相较于单独使用RF模型具有更优的估测性能，验证集R²提高了59.52%，RMSE和rRMSE均降低了27%。此外，使用在研究区域内6个采样点采集的无人机激光雷达（Unmanned Aerial Vehicle Laser Scanning， ULS）数据对RF-EBK模型估测结果进行精度验证， R²为0.69，RMSE为1.65 m，rRMSE为7.81%。综上所述，RF-EBK模型能够实现区域尺度森林冠层高度的高精度估测，为中国东北地区的精准营林管理和可持续森林资源经营提供了有效的技术支持。关键词：ICESat-2，无人机激光雷达，Landsat;8;OLI，随机森林，经验贝叶斯克里金109|161|0更新时间：2025-05-27 - “在卫星遥感领域，专家提出了融合卫星激光测高数据的高分七号卫星影像数字表面模型BP神经网络方法，有效改善了沟壑发育地表无控条件下卫星立体影像生成DSM高程精度质量低的问题，为国产高分影像推广应用与高精度地形建模提供新思路。”
摘要：针对沟壑发育地表无地面控制点（Ground Control points，GCPs）条件下卫星遥感立体影像地形三维重建精度较低、大面积GCPs采集困难或成本高等问题，本文提出融合卫星激光测高数据的高分七号（GF-7）卫星影像数字表面模型（Digital Surface Model，DSM）BP神经网络方法。该方法通过建立无控条件下GF-7卫星立体影像生成的DSM、地理位置经度与纬度、地形坡度、地形误差等多因子与激光测高点GEDI之间的关系，获取融合结果以改进无控条件下地形DSM精度。实验结果表明，沟壑发育地表矿区无控条件下GF-7卫星立体影像生成的DSM高程精度可高达20.49米，而本文融合生成的DSM平均高程精度为1.63米，与有控制点条件下地形DSM 1.44 米的高程精度基本相当。本文方法有效改善了沟壑发育地表矿区无控条件下卫星立体影像生成DSM高程精度质量低的问题，为国产高分影像推广应用与高精度地形建模提供新思路。关键词：数字表面模型;地面控制点;神经网络;沟壑发育地表;GF-7卫星立体影像;GEDI97|170|0更新时间：2025-05-27 - “新疆光伏电站分布及植被影响研究取得进展，基于深度学习模型的光伏电站识别准确率达98.64%，为光伏选址和生态评估提供数据支持。”
摘要：新疆维吾尔自治区拥有丰富的土地和光热资源，随着对可再生能源的需求增加及光伏技术的发展，新疆光伏电站装机容量位居全国前列。实时、准确识别光伏电站分布及其对周围植被空间聚集度的定量化结果可为新疆太阳能光伏选址提供数据及决策支持。本研究借助UNet、PSPNet（Pyramid Scene Parsing Network）、DeepLabV3+三种架构、八种骨干网络（ResNet-34、ResNet-50、ResNet-101、ResNet-152、MobileNetV2、DarkNet53、VGG16、Dense121）组合的深度学习语义分割模型，探究最优光伏电站识别模型，提取新疆地区光伏电站的空间分布。为研究光伏电站建设对植被空间聚集度的影响，计算了光伏电站周边从30 m至600 m等间隔分段的缓冲区内时间序列植被全局莫兰指数。结果表明：（1）基于UNet-ResNet50模型的光伏电站识别效果最优，准确率（Accuracy）为98.64%（>0.09%+）、F1分数（F1-score）为95%（>0.4%+）以及交并比（IOU）为90.47%（>0.57%+），优异的识别效果主要源于高质量的光伏样本集以及模型在特征提取和深度平衡方面的卓越表现。（2）利用Sentinel-2遥感影像和UNet-ResNet50模型提取了2020年新疆光伏电站，并将其划分为植被光伏和裸地光伏，面积占比分别为30%和70%。（3）距离光伏电站30 m至210 m不同缓冲区范围内，植被全局莫兰指数在2012到2020年间均呈显著下降趋势；距离光伏电站210 m至600 m缓冲区范围内，植被全局莫兰指数下降趋势明显减缓。距离光伏电站越近，植被空间聚集度受光伏电站影响越大，时间序列的下降趋势越明显。因此，开展光伏电站及其周围缓冲区的遥感监测，可为光伏电站的建设规划、精细化运营管理及其对生态环境的影响评估提供数据和技术支持。关键词：光伏电站;语义分割模型;植被空间聚集度;全局莫兰指数194|223|0更新时间：2025-05-15 -
煤火源甲烷逃逸地基高光谱成像检测方法 AI导读
“记者从新疆阜康煤田火区报道，我国专家利用地基短波红外成像光谱仪，提出了检测煤火甲烷逃逸的新方法，为煤火自燃早期识别与预警提供新思路。”
摘要：我国新疆、宁夏、内蒙古等煤炭资源丰富的地区，分布着数百个煤田火区。煤火自燃排放大量温室气体，其无组织性导致检测与量化工作面临困难，成为现有清单中“丢失的碳”。然而，煤火甲烷在全球温室气体排放中的贡献是不可忽视的。鉴于卫星分辨率的限制，本研究采用地基遥感手段开展煤火源甲烷检测，利用2023年6月在新疆阜康煤田火区采集的宽幅全景地基高光谱影像集，结合甲烷在短波红外的光学敏感特征和高光谱混合像元分解等方法，提出了一套适用于不同地貌特征高温煤火源甲烷逃逸的检测算法，并针对各算法的检测效果进行对比验证和效果评价。结果表明：（1）与已有的CH4I算法相比，本研究提出的MLSIE、RCH4I和DSRCH4I算法在煤火源甲烷检测中表现更佳；（2）2DSRCH4I3、MLSIE（2.3μm）和RCH4I1算法对于地貌复杂的煤火区检测效果较好，其中，2DSRCH4I和MLSIE（2.3μm）算法也适用于地貌相对单一的山地煤火区，而RCH4I1算法更适用于泄露量大（燃烧剧烈）的活跃煤火区；（3）MLSIE（2.3μm）算法具有较强的普适性，2DSRCH4I3算法有效抑制伪影/假阳性，检测效果最佳；（4）文章算法检测出的煤火区甲烷羽流以两种形式存在，即与燃烧的火焰共存和以自由扩散形式逸出。本研究提供了一种利用地基短波红外成像光谱仪检测煤火甲烷的新方法，也从甲烷逃逸角度为开展煤火自燃的早期识别与预警提供了新思路。关键词：煤火;甲烷;高光谱;短波红外;无组织排放;羽流检测;伪影抑制;温室气体;气候变化63|181|0更新时间：2025-05-15 - “在遥感图像匹配领域，研究者提出了一种基于深度特征重构增强的光学和SAR图像鲁棒匹配方法，为解决复杂地物场景下的匹配问题提供解决方案。”
摘要：光学和合成孔径雷达（Synthetic Aperture Radar，SAR）图像由于成像原理的根本差异，影像间呈现出显著的辐射和几何差异，其自动精确匹配一直是当前国际学术研究的热点。目前，大多数基于深度学习的匹配方法聚焦于图像深度特征提取，但这些模型通常忽视了图像多尺度特征融合和共性特征表达，导致鲁棒性不足，难以应对复杂多变的地物场景。鉴于此，本研究提出了一种基于深度特征重构增强的光学和SAR图像鲁棒匹配方法。该方法构建了一个融合多尺度深度特征和图像特征重构的伪孪生共有特征提取网络。首先，通过多尺度特征提取架构，网络能够在像素级高效提取光学和SAR图像对的多尺度深度特征。其次，为光学图像设计了一个伪SAR图像翻译分支结构，利用深度特征重构图像，以增强网络学习更鲁棒的共性特征表达能力。最后，构造了基于多层特征匹配相似度和重构影像平均误差的联合损失函数，实现了光学和SAR图像的鲁棒匹配。在两种具有不同分辨率且包含多种地物场景（城市、郊区、荒漠、山地、水体）的遥感影像数据集上进行对比实验，结果表明，与当前几种最先进的匹配方法相比，所提出的方法均表现出最高的正确匹配率。关键词：光学图像;合成孔径雷达图像;影像匹配;深度学习76|265|0更新时间：2025-05-15 - “最新研究进展显示，专家提出了一种多源卫星数据反演湖泊水色指数FUI的一致性校正方法，显著提升了色度角与FUI反演结果的一致性，为多源卫星数据协同反演湖泊水色参量提供重要方法依据。”
摘要：湖泊水体颜色作为水体光学特性的直观反映，是湖泊生态系统的重要气候变量。近年来，基于卫星遥感反演湖泊水色的Forel-Ule指数（FUI）被广泛用于指示大区域湖泊生态与水质的时空变化。多源卫星协同观测可显著提升观测频率和时空覆盖范围，但其反演一致性问题亟需解决。本研究以青藏高原6个典型湖泊为研究区，基于Landsat 5/TM、Landsat 7/ETM+、Landsat 8/OLI和MODIS地表反射率产品，提出一种多源卫星数据反演湖泊水色指数FUI的一致性校正方法，以校正卫星光谱响应函数及地表反射率产品系统偏差导致的色度角和FUI反演差异。首先，采用水体模拟数据集的多项式校正方法，对各卫星传感器可见光波段反演的色度角进行光谱响应校正；其次，利用在6个湖泊获取的112，830组地表反射率同步观测数据对，构建MODIS与Landsat TM、ETM+、OLI反演色度角之间的线性回归模型，进行交叉定标校正；最后，基于同步观测数据对及长时间序列FUI多源数据反演结果，系统评估校正前后多源卫星数据在像元尺度和时间序列尺度上的一致性。结果表明，校正后色度角与FUI反演结果一致性显著提升（R²>0.95，MAPE<10%），且4种卫星数据反演的湖泊年均FUI变化趋势一致。本研究为Landsat TM、ETM+、OLI与MODIS多源卫星数据协同反演湖泊水色参量提供重要方法依据。关键词：水体颜色;多源卫星遥感;光谱响应函数;一致性校正;色度角;Forel-Ule指数（FUI）;水体反射率;青藏高原湖泊125|79|0更新时间：2025-04-23 - “非洲森林损毁研究取得新进展，专家构建决策树规则分类框架，揭示人为因素是主要驱动力，为森林保护提供科学依据。”
摘要：明确森林损毁成因对于制定森林保护政策至关重要，当前准确且全面地识别森林损毁驱动因素仍面临巨大挑战。本文选择森林损毁现象严重、驱动因素多样化的非洲，采用全球30 m地表覆盖动态监测产品、人类足迹数据、火灾数据、森林管理数据、气象数据等多源空间数据集，构建了基于决策树规则的森林损毁驱动因素分类框架，将非洲森林损毁归因于五种人为因素和三种自然因素。基于目视解译样本的精度评估结果显示，驱动因素分类结果的总体精度约95.38%。驱动因素分析结果表明：（1）2000至2020年间非洲近86.73%的森林损毁由人为因素导致，且这一比例持续上升，而自然因素仅占13.27%；（2）农业用地侵占和林业砍伐是最重要的两类驱动因素，分别导致了44.02%和11.40%的森林损毁；（3）几乎所有人为因素导致的森林损毁速度都翻倍增长，并呈现加速趋势。因此，迫切需要采取更具针对性和更有力的森林保护行动，以实现2030年之前遏止森林面积持续下降的可持续发展目标。关键词：森林损毁;驱动因素;遥感;决策树;非洲;时间序列;农业用地侵占;林业砍伐103|133|0更新时间：2025-04-23 - “在冻土参量遥感反演领域，东北典型冻土区黑土的L波段微波辐射响应特性研究取得新进展，为冻土参数反演提供重要参考。”
摘要：在冻结参量探测中，L波段穿透性更强，相比其他微波波段更具优势，但当前对于L波段微波辐射响应深度研究相对较少，冻结条件下土壤的微波辐射响应特性还有待于进一步明晰。对此，本研究以东北典型冻土区中的黑土为研究对象，在冬季自然冻结条件下，使用频率为1.414GHz的双极化L波段微波辐射计对不同初始含水率的黑土进行近场实验，通过实验结果分析黑土在冻结过程中以及冻结后的微波辐射响应深度变化。结果发现：在冻结过程中，10%和30%含水率的土壤L波段微波响应深度均大于5cm，与此同时，土壤含水率依然对亮温起主导作用。在冻结之后，初始含水率通过影响未冻水含量进而影响L波段微波辐射响应深度，实验测得，初始含水率分别为0%（寒土）、10%的黑土冻结后微波辐射响应深度分别在100cm~105cm和50cm~60cm之间，初始含水率为20%，30%的黑土冻结后微波辐射响应深度分别在35~50cm和25~35cm之间。除此之外，实验同时证实了，在相同温度及含水率条件下，冻土微波辐射响应深度高于基于Ulaby（1981）模型计算的穿透深度。以上研究结论对于冻土参量遥感反演领域具有重要参考价值。关键词：微波辐射计;响应深度;L波段;冻土;黑土63|158|0更新时间：2025-04-17 - “风云四号B星晴空图像合成算法，为生态遥感应用提供高频次单日晴空图像。”
摘要：单日的晴空合成图像，对于日常的地表监测等业务应用具有重要意义，针对风云四号B星快速扫描成像仪的1分钟连续成像序列数据，本文提出了一种基于二元高斯混合模型的晴空图像合成算法。算法假设固定地点反射率时序数据由云-晴空两种类型数据构成，分别满足高斯分布；在初始化云-晴空二元高斯分布参数后，贯序处理时间序列图像，判识新影像像素分属的云-晴空类型，并更新该地点云-晴空两种类型的平均值、标准差等参数；贯序处理全部日内影像数据后，以晴空类型反射率的平均值作为该地点晴空合成结果的反射率估计值。方法具有线性的时间和内存空间复杂度，晴空合成图像的有效晴空像素比例和图像信息熵逐渐增加；与典型晴空算法相比，具有更高的区分云-晴空的稳健特性和对云边缘阴影的过滤能力。较高频次的单日晴空合成图像可应用于植被、水体监测等日常业务的生态遥感应用方向。关键词：晴空图像合成;FY-4B;GHI;高斯模型;水体识别;多时相遥感数据66|207|0更新时间：2025-04-16 -
航空遥感图像旋转目标检测技术研究综述 AI导读
“航空遥感图像目标检测取得显著进展，专家系统性剖析旋转目标检测挑战，为推动技术发展提供新方向。”
摘要：目标检测是计算机视觉领域中一项核心且具有挑战性的任务。近年来，目标检测在自然图像上取得了巨大成功，针对航空遥感图像目标检测的研究也取得了显著进展。与自然图像中水平目标不同，航空遥感图像中的目标往往以任意方向密集分布于复杂多变的背景之中。为精确高效定位方向目标并识别其类别，以水平检测为基础的旋转目标检测任务被提出。基于深度学习尤其是卷积神经网络（Convolutional Neural Network，CNNs）的旋转目标检测虽然受到越来越多的关注，但当前对其存在的挑战缺乏系统性研究。本文重点阐述了航空遥感图像目标检测的研究现状，系统性地剖析了旋转目标检测存在的挑战性难题，目标在于推动相关检测技术的发展。首先，梳理归纳了水平目标检测的通用框架，它们也是旋转目标检测框架的设计基础；其次，重点剖析了旋转目标检测任务面临的主要挑战，总结了应对每项挑战而产生的主要研究成果，及其优势和局限性；第三，简要介绍了常用的遥感图像目标检测数据集，并在DOTA、HRSC2016、DIOR-R、STAR等公开遥感图像基准数据集上对当前先进的旋转目标检测器进行了评估对比，在验证当前研究成果显著成效的同时，也初步揭示了它们在处理极端几何形状与复杂场景下存在的局限性；最后，在上述基础上，对航空遥感图像旋转目标检测任务的发展趋势与进一步的研究方向进行了展望。关键词：目标检测;航空遥感图像;旋转目标检测;卷积神经网络;旋转边界框94|218|0更新时间：2025-04-16
- 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