学术动态

按研究方向追踪空天信息领域的最新论文与研究成果

热门：遥感大模型 SAR 目标检测 InSAR 形变高光谱分类

研究方向发布成果

论文总数: 133
近7日收录: 0
收录期刊: 7

全部论文成果

共 133 篇

GRSM2026

综述应用综述收录于 9 天前

地球嵌入：迈向以人工智能为中心的地球表示

IEEE Geoscience and Remote Sensing Magazine

针对传统地理空间数据分析高度依赖多源异构数据处理、专业领域知识与复杂计算流程，以及现有方法普遍采用任务专用建模范式、难以实现跨任务知识共享与泛化应用等问题，提出一种面向人工智能的地球嵌入表示（Earth Embeddings）新范式。该研究从地理空间数据统一表征与高效智能分析的角度出发，系统阐述地球嵌入通过融合不同时间、空间及数据来源的地理空间观测信息，将复杂原始数据压缩为具有地理语义的高维稠密向量，实现局部地理环境特征的统一表达与高效存储。在此基础上，探讨地球嵌入在多源地理空间信息融合、观测数据插值、下游任务迁移及跨模型知识交互等方面的应用潜力，重点分析其作为地理空间基础表征与大语言模型（LLMs）等人工智能基础模型之间连接桥梁的技术价值。同时，从数据使用者与模型开发者两个视角，梳理地球嵌入技术的发展现状、应用模式与未来研究方向，强调跨学科协作、方法标准化及开放源代码生态建设的重要性。该研究推动地理空间智能分析从传统分散式、任务驱动的专用建模模式向统一表征、低计算成本及跨任务泛化的人工智能分析范式转变，为大规模地球观测数据的智能组织、共享利用与通用地理空间人工智能技术发展提供了新的研究思路。

DOI: 10.1109/mgrs.2026.3710416

GRSM2026

综述方法综述收录于 9 天前

城市遥感中的弱监督学习：概念、方法与应用

IEEE Geoscience and Remote Sensing Magazine

针对城市遥感场景中高质量标注数据获取成本高、样本规模有限，以及城市地物材质异质性强、二维与三维空间结构复杂、时序变化显著等因素制约智能解译模型训练与泛化能力的问题，开展面向城市遥感智能解译的弱监督学习（Weakly Supervised Learning，WSL）技术发展与应用综述研究。该研究围绕弱监督学习的基本概念与技术体系，系统梳理不完整监督、不精确监督及不准确监督三类典型弱监督场景，归纳九类代表性方法及其主要技术分支，分析不同弱监督学习策略在缓解标注依赖、挖掘有限监督信息及适应复杂城市地物特征方面的技术特点与适用条件。在此基础上，进一步总结弱监督学习在七大城市遥感应用领域的研究进展，探讨不同方法与实际城市遥感解译任务之间的适配关系，揭示复杂城市环境下弱监督特征学习与模型泛化面临的关键挑战。同时，强调构建面向城市遥感弱监督学习的专用基准数据集与标准化评价体系的重要性，并展望基础模型（Foundation Models，FMs）、多源多模态遥感数据融合及持续学习等未来研究方向，为降低城市遥感数据标注成本、提升复杂城市场景智能解译能力及推动弱监督学习技术的规模化应用提供系统性的研究参考。

DOI: 10.1109/mgrs.2026.3711827

GRSM2026

综述方法综述收录于 9 天前

从忠实性到有效性：遥感中的可解释人工智能

IEEE Geoscience and Remote Sensing Magazine

针对可解释人工智能（Explainable Artificial Intelligence，XAI）在遥感智能解译与科学决策中的应用日益广泛，但现有方法普遍沿用计算机视觉或表格数据领域的通用解释范式，忽视遥感数据特有的空间依赖性、光谱冗余性、时间动态特征及物理成像约束，导致模型解释结果可能缺乏科学合理性与实际应用可靠性等问题，开展面向遥感领域特性约束的可解释人工智能方法与评价体系综述研究。该研究从遥感数据的空间、光谱、时间及物理结构特征出发，重新审视人工智能模型可解释性的适用条件与科学内涵，强调解释结果的有效性取决于其与遥感观测机理、数据结构及模型行为之间的一致性。在此基础上，系统梳理不同可解释学习范式的基本原理、计算假设、评价方法及适用场景，分析通用XAI技术在遥感任务中可能存在的解释失真、物理不一致及科学误导等问题，揭示传统通用评价指标与遥感领域实际解释需求之间的差异。进一步构建以解释有效性为核心的领域约束分析框架，将遥感数据特征、模型决策机制与可解释性需求相结合，为科学合理地选择、设计和评价遥感XAI方法提供理论依据，并为提升遥感智能解译模型的透明性、科学可信度及实际决策支撑能力提供系统性的研究参考。

DOI: 10.1109/mgrs.2026.3717217

GRSM2026

微波遥感InSAR收录于 9 天前

用于关键基础设施监测的永久散射体干涉测量：以桥梁为例的实践教程

IEEE Geoscience and Remote Sensing Magazine

针对桥梁等关键基础设施长期服役过程中存在结构退化风险、传统监测方法难以实现大范围连续形变观测，以及永久散射体干涉测量（Persistent Scatterer Interferometry，PSI）技术在工程应用中存在专业门槛较高、处理流程复杂及结果不确定性难以解释等问题，开展面向关键基础设施形变监测的PSI技术应用与实践方法综述研究。该研究以桥梁结构监测为典型场景，系统梳理合成孔径雷达（SAR）成像基础、干涉测量原理及PSI时序形变反演流程，重点分析SAR数据选取、时序影像栈构建、处理参数设置及形变结果解释等关键技术环节，明确不同观测条件与处理策略对基础设施形变监测精度、可靠性及适用性的影响。同时，探讨环境因素引起的形变信号与基础设施结构响应之间的分离方法，分析监测结果中的误差来源、观测局限及不确定性，并强调处理假设与参数记录对监测流程可复现性的重要作用。在此基础上，展望高分辨率、多轨道SAR观测及机器学习辅助处理技术在基础设施精细化监测中的应用潜力，为降低PSI技术的工程应用门槛、规范关键基础设施形变监测流程及提升结构安全评估能力提供系统性的技术指导与实践参考。

DOI: 10.1109/mgrs.2026.3718122

GRSM2026

综述遥感综述收录于 9 天前

深度学习在北极海冰遥感中的应用：综述

IEEE Geoscience and Remote Sensing Magazine

针对北极海冰时空变化剧烈、卫星遥感观测数据复杂，以及传统海冰信息提取方法难以充分适应多源观测条件与复杂海冰环境等问题，开展深度学习驱动的北极海冰遥感智能解译技术发展与应用综述研究。该研究围绕海冰分类、地球物理参数反演、目标检测、超分辨率重建及海冰变化预测等典型任务，系统梳理深度学习方法在北极海冰遥感领域的研究进展，重点分析相关技术从早期图像特征学习向多层次特征融合，再向统一特征表征学习发展的演进过程，并从跨任务视角比较代表性模型的技术特点、适用条件及主要局限，为不同海冰遥感应用场景下的模型选择提供参考。同时，深入探讨现有方法在跨区域与跨传感器泛化、海冰物理过程约束、高质量标注数据获取、不确定性量化及模型可解释性等方面面临的共性挑战。在此基础上，展望海冰遥感基础模型、物理信息引导学习、多样化监督学习策略、不确定性建模及面向海冰演变过程的可解释分析等未来研究方向，为构建具有更强泛化能力、物理一致性与可信度的北极海冰遥感智能监测体系提供系统性的技术参考与发展思路。

DOI: 10.1109/mgrs.2026.3720616

GRSM2026

综述遥感综述收录于 9 天前

合成孔径雷达自动目标识别五十年：未来之路

IEEE Geoscience and Remote Sensing Magazine

针对合成孔径雷达（SAR）自动目标识别（Automatic Target Recognition，ATR）长期面临成像机理复杂、目标散射特征变化显著、数据资源受限及跨场景泛化能力不足等挑战，以及大模型与人工智能智能体快速发展背景下现有SAR目标识别技术尚未充分释放人工智能潜力等问题，开展SAR自动目标识别技术发展历程、关键方法及未来研究方向的系统性综述。该研究围绕SAR目标识别近五十年的技术演进，系统梳理代表性研究成果与重要发展节点，从核心技术挑战、典型数据集、目标识别方法、性能评价指标及先进技术水平等维度构建综合分析框架，归纳不同技术路线的基本原理、优势与局限，探讨SAR成像物理特性与人工智能表征学习之间的内在联系。在此基础上，重点分析大模型、人工智能智能体等新兴技术为SAR图像理解带来的发展机遇，强调人工智能与SAR目标识别双向赋能的重要性，并提出高质量大规模数据集建设、公平全面的基准评价体系构建及安全开放的开源生态培育三项关键发展方向。该研究为推动SAR自动目标识别从传统特征驱动与深度学习方法向大模型赋能的智能理解范式演进，以及构建更加鲁棒、可信和具有泛化能力的SAR目标识别技术体系提供了系统性的研究参考与发展思路。

DOI: 10.1109/mgrs.2026.3721430

GRSM2026

综述遥感综述收录于 9 天前

海岸带遥感：海岸可持续发展的日益重要议题

IEEE Geoscience and Remote Sensing Magazine

针对全球沿海地区人类活动强度持续增加、海岸带自然生态过程与人类活动之间的相互作用日益复杂，以及传统观测与分析方法难以满足海岸带可持续发展研究对多尺度、动态化和综合性信息需求等问题，开展面向海岸带可持续发展的遥感技术应用与发展趋势综述研究。该研究从遥感技术视角出发，系统回顾海岸带遥感的发展历程、典型应用及其在海岸带资源调查、生态环境监测、自然过程分析和人类活动影响评估等方面的重要贡献，梳理海岸带研究从自然环境观测向人地系统协同分析及可持续发展评估转变的演进过程。在此基础上，围绕海岸带可持续发展面临的复杂环境变化与多维监测需求，综合分析新型遥感观测数据、先进信息处理技术及多源数据融合方法的发展现状，探讨遥感技术在刻画海岸带动态演变、揭示人类活动与自然过程耦合关系及支撑综合管理决策方面的应用潜力与现存挑战。进一步结合地球系统科学研究视角，提出面向海岸带可持续发展的遥感观测与分析技术发展方向，强调遥感数据获取能力、综合分析方法与跨学科研究需求的协同发展，为海岸带生态环境保护、资源可持续利用及人地关系协调管理提供系统性的技术参考与研究思路。

DOI: 10.1109/mgrs.2026.3716182

GRSM2026

综述方法综述收录于 9 天前

重新思考高光谱图像分类中的人工智能：范式、表示与可解释性

IEEE Geoscience and Remote Sensing Magazine

针对人工智能驱动的高光谱图像分类研究快速发展，但现有综述多聚焦特定算法或研究方向，缺乏对分类范式演进、特征表征机制与模型可解释性之间内在联系的系统梳理等问题，开展面向高光谱图像分类技术演进与可解释学习的综合性综述研究。该研究构建融合分类范式、特征表征与可解释学习三个层次的统一分析框架，系统梳理高光谱图像分类从模型驱动向数据驱动及可解释学习发展的技术演进过程，揭示特征表征方式由人工设计特征向深度网络自主学习的隐式特征，再向可追溯内部表征转变的内在规律。进一步围绕先验知识嵌入、深度展开与事后解释分析三类主流技术路线，分析不同可解释学习方法的基本原理、技术特点及其与深度学习模型的融合机制，阐明特征表征机制演变对分类范式发展的推动作用，以及揭示模型内部特征学习过程对提升算法透明性与可信度的重要意义。在此基础上，探讨可解释性定量评价体系、多模态遥感数据融合的可解释机制及可信人工智能智能体等未来研究方向，为构建兼具分类精度、可解释性与可信度的高光谱遥感智能解译方法提供系统性的理论参考与技术发展思路。

DOI: 10.1109/mgrs.2026.3729777

GRSM2026

高光谱地物分类收录于 9 天前

迈向准确、高效且可解释的高光谱图像分类：自适应光谱空间尺度选择的可拆卸网络

IEEE Geoscience and Remote Sensing Magazine

针对现有高光谱图像分类方法难以充分建模光谱与空间维度的多尺度特征、不同地物类别对最优特征尺度的需求存在差异，以及深度网络特征冗余导致推理效率和模型可解释性受限等问题，提出一种面向高光谱图像分类的可拆卸多尺度神经网络。该方法从高光谱影像的空间—光谱多尺度特性出发，采用不同光谱与空间分辨率的并行分支，逐层构建多尺度特征提取网络，实现不同尺度下地物光谱特征与空间结构信息的协同建模；同时，在网络各阶段引入多尺度门控模块，根据输入影像的特征差异自适应选择有效分支，抑制冗余特征计算，提高模型推理效率。进一步设计融合层次聚类的两阶段训练策略，将地物类别的语义信息嵌入门控决策过程，增强不同地物类型与特征提取尺度之间的关联性，提高分支选择的可靠性与可解释性。该方法将多尺度空间—光谱特征学习、动态分支选择与语义引导优化相结合，在兼顾分类精度与计算效率的同时，实现对不同地物类别尺度需求的可解释建模，为构建高效、准确且具有尺度可解释性的高光谱遥感智能分类模型提供了新的技术途径。

DOI: 10.1109/mgrs.2026.3729663

GRSM2026

未分类收录于 9 天前

任意高光谱影像：通用解译框架

IEEE Geoscience and Remote Sensing Magazine

针对现有遥感影像智能解译模型高度依赖特定传感器的光谱分布与波段配置，难以实现异构高光谱和多光谱数据的统一处理，以及多源遥感数据利用效率不足、模型跨传感器泛化能力受限等问题，提出一种面向任意高光谱与多光谱影像的通用遥感解译框架（Universal Interpretation Framework，UIF）。该框架突破传统遥感解译模型与传感器光谱配置之间的强耦合关系，构建适应不同波段数量、光谱配置及数据分布的统一特征学习与解译机制，支持异构高光谱和多光谱数据的混合训练与统一推理。在此基础上，分别构建跨传感器地物分类模型与变化检测模型，实现不同光学遥感平台数据在统一模型下的地物类别识别与多类别变化检测，减少对传感器专用模型的依赖，增强模型对异构遥感观测数据的适应能力与跨平台迁移能力。该研究推动遥感智能解译从传统单一传感器独立建模向多源异构数据统一表征与协同分析转变，为大规模多源遥感数据融合利用、跨传感器地物分类、生态环境动态监测及通用遥感智能解译技术发展提供了新的研究思路与技术框架。

DOI: 10.1109/mgrs.2026.3729673

GRSM2026

多模态多模态融合收录于 9 天前

自监督跨传感器光谱影像融合：跨域多模态互惠学习框架

IEEE Geoscience and Remote Sensing Magazine

针对高光谱影像（HSI）与多光谱影像（MSI）在空间分辨率和光谱分辨率方面存在互补性，但不同传感器成像机制及信息分布差异易导致融合结果产生光谱失真、跨平台泛化能力不足等问题，提出一种基于跨域多模态互惠学习的自监督光谱影像融合框架（CMRL）。该方法从频率域、空间域与光谱域三个维度出发，构建跨域多模态交互与对比学习机制，充分挖掘高光谱与多光谱影像之间的互补信息及潜在一致性，增强不同模态特征的协同表征能力，降低传感器差异对光谱重建质量的影响。在此基础上，引入视觉Transformer（ViT）与视觉Mamba（ViM）架构，利用其全局上下文建模能力进一步捕获跨模态共享特征与关联关系，并分别构建独立式CMRL（CMRL-I）、基于ViT的CMRL（CMRL-T）及基于ViM的CMRL（CMRL-M）三种模型变体，实现多种特征建模架构下的自监督光谱融合。该方法通过跨域对比学习与全局特征建模相结合，在保留高光谱影像精细光谱信息的同时融合多光谱影像的高分辨率空间细节，为高保真高光谱影像重建、多传感器遥感数据融合及跨平台光谱影像智能处理提供了新的技术途径。

DOI: 10.1109/mgrs.2026.3729882

GRSM2026

高光谱超分辨率收录于 9 天前

用于高光谱图像超分辨率的扩散模型：从噪声预测到直接图像预测

IEEE Geoscience and Remote Sensing Magazine

针对现有基于扩散模型的高光谱图像超分辨率重建方法主要采用噪声预测策略，存在重建目标与高分辨率图像恢复任务不直接一致、难以充分保持高光谱数据的空间—光谱结构及波段间相关性等问题，提出一种基于直接图像预测的高光谱图像超分辨率重建方法。该方法突破传统扩散模型依赖噪声预测的间接重建范式，将高分辨率高光谱图像作为网络直接预测目标，在高光谱图像数据分布上开展扩散建模，使生成过程更加契合高光谱数据的物理特性与空间—光谱结构。在此基础上，构建由光谱保持嵌入模块、空间—光谱Transformer编码模块及显式光谱重建模块组成的超分辨率重建框架，通过光谱特征保持、空间与光谱信息联合建模以及显式光谱恢复，增强模型对精细空间纹理、光谱连续性及波段间关联特征的表征能力，降低重建过程中的光谱失真。该研究将生成式扩散建模与高光谱数据自身特性相结合，推动高光谱超分辨率重建从间接噪声预测向直接图像恢复转变，为高保真高光谱图像重建及空间—光谱信息协同恢复提供了新的技术思路。

DOI: 10.1109/mgrs.2026.3733069

GRSM2026

未分类收录于 9 天前

HyperBridge：以地理空间嵌入为锚点的跨传感器表示学习多传感器高光谱基准

IEEE Geoscience and Remote Sensing Magazine

针对现有高光谱遥感基础模型主要依赖单一传感器数据或统一光谱采样接口，难以兼顾多传感器原生光谱差异、精细光谱结构保持与跨传感器语义对齐等问题，提出一种面向多源高光谱遥感数据的地理空间语义对齐与光谱保真表征学习框架（HyperAnchor）。该研究首先构建多传感器高光谱—地理空间嵌入基准数据集（HyperBridge），整合EMIT、EnMAP、PRISMA及高分五号（GF-5）等多源高光谱观测数据，保留不同传感器的原始波长采样、光谱带宽及有效波段信息，并引入AlphaEarth Foundations（AEF）地理空间嵌入作为统一语义参考，为跨传感器高光谱特征学习提供标准化数据支撑。在此基础上，设计基于连续光谱分词器的高光谱特征编码机制，构建语义—光谱双分支编码器与门控空间—光谱融合模块，实现不同传感器观测数据向共享地理空间语义空间的映射；同时引入光谱保真监督约束，在增强跨传感器语义一致性的同时，保留窄波段光谱特征及其物理信息，避免语义对齐过程中关键光谱结构的损失。该方法融合地理空间语义先验与传感器原生光谱表征，增强高光谱基础模型的跨传感器泛化、语义检索及下游密集解译能力，为多源高光谱遥感数据统一表征、跨平台知识迁移与大尺度智能解译提供了新的技术途径。

DOI: 10.1109/mgrs.2026.3732616

GRSM2026

未分类收录于 9 天前

高光谱水域理解基础模型：物理感知与跨平台学习策略

IEEE Geoscience and Remote Sensing Magazine

针对现有高光谱遥感基础模型主要面向陆地场景、难以适应复杂水域环境，以及水体高光谱数据集任务分散、预处理与标注标准不统一、跨平台数据融合及知识迁移能力不足等问题，提出一种面向水域高光谱遥感智能解译的基础模型（HyperAUDI）。该研究首先构建大规模水域高光谱数据集ATR-HyperAquatic-600K，整合卫星与机载多平台、多传感器及不同水域环境的高光谱观测数据，为水域场景基础模型预训练提供统一的数据支撑；其次，针对水体光学成像机理与陆地遥感的显著差异，设计物理感知的卫星高光谱预训练策略，将水体成像物理先验融入特征表征学习过程，增强模型对水域光谱特征与空间结构信息的联合建模能力；进一步构建由粗到细的跨平台持续预训练机制，利用卫星高光谱数据学习的先验知识引导机载高光谱精细特征表征，实现跨观测平台的知识迁移与特征适配。该方法融合水体成像物理机制与大规模自监督表征学习，提升基础模型在复杂水域环境下的泛化能力与跨任务迁移性能，为水下底质分类、水深反演、海上溢油检测及水下目标探测等多种水域高光谱遥感任务提供统一的智能解译技术框架。

DOI: 10.1109/mgrs.2026.3734221

GRSM2026

未分类收录于 9 天前

变暖气候下的全球干旱复杂性：同心框架

IEEE Geoscience and Remote Sensing Magazine

针对干旱演变过程受气候驱动与陆气相互作用反馈共同影响、传统线性预测方法难以准确刻画干旱非线性演化特征及区域预测能力差异等问题，开展全球典型水文气候敏感区干旱演变机制与可预测性研究。该研究从气候遥相关、陆面水分状态及陆气反馈过程出发，系统分析不同干旱强度下水分亏缺的非线性演变特征，揭示中等程度水分亏缺可能在正反馈作用下快速加剧，而严重干旱阶段因陆气耦合减弱呈现反馈受限的状态依赖性机制。通过引入小波相干分析、互信息及陆气耦合指数等诊断方法，刻画不同区域干旱演变过程中气候驱动、土壤水分记忆与生态系统响应惯性的相互作用，分析厄尔尼诺—南方涛动（ENSO）、太平洋年代际振荡（PDO）等气候模态对区域干旱可预测性的影响。在此基础上，构建融合气候驱动、陆面过程与反馈记忆的同心层级概念框架，阐明传统线性持续性预测模型的适用局限，强调非线性陆气相互作用与状态依赖反馈在干旱预测中的重要性，为全球变暖背景下的次季节至季节尺度干旱预测、区域水资源管理及气候适应性决策提供理论参考。

DOI: 10.1109/mgrs.2026.3733808

GRSM2026

高光谱地物分类收录于 9 天前

进步的幻象？高光谱深度学习为何需要现代基准

IEEE Geoscience and Remote Sensing Magazine

针对高光谱遥感图像分类研究长期依赖经典基准数据集、现有数据集规模有限、场景多样性不足及重复使用导致性能评价趋于饱和等问题，系统综述高光谱图像分类基准数据集的发展历程、应用现状及其对算法研究与性能评价的影响。该研究以Indian Pines、Salinas、Pavia、Kennedy Space Center和Botswana等经典数据集为代表，分析传统基准数据集在样本规模、类别分布、场景复杂性及真实应用代表性等方面的局限，探讨深度学习快速发展背景下现有数据集与模型表征能力、跨场景泛化需求之间的不匹配问题。重点剖析传统高光谱分类实验中数据划分、训练与测试样本空间相关性、信息泄漏及评价协议不统一等因素对模型性能比较的潜在影响，揭示基准数据集局限可能造成的算法性能高估与研究进展失真问题。在此基础上，提出面向新一代高光谱遥感分类基准的数据集建设与评价体系发展方向，强调扩大数据规模、增强场景与传感器多样性、规范实验划分及强化跨域泛化评估的重要性，为构建更具真实性、代表性和可靠性的高光谱遥感基准数据集，推动高光谱图像分类研究从基准性能优化向实际场景泛化能力提升转变提供参考。

DOI: 10.1109/mgrs.2026.3728162

GRSM2026

综述遥感综述收录于 9 天前

用于全球云内风场反演的新兴星载多普勒雷达：进展与未来方向

IEEE Geoscience and Remote Sensing Magazine

针对全球云内风场观测能力不足、传统遥感技术难以穿透云层获取内部风速信息，以及星载观测条件下多普勒测速与风场反演面临的技术挑战，系统综述星载多普勒微波雷达在全球云内风场探测领域的研究进展与关键技术。该研究围绕星载多普勒雷达云内风场探测原理，重点梳理多普勒径向速度估计、星载天线扫描策略及三维风场反演算法等核心技术，分析卫星平台运动、观测几何及系统资源约束对风场探测精度与空间覆盖能力的影响。在此基础上，探讨面向新一代全球云内风场观测任务的关键发展方向，包括构建任务级相控阵多波束雷达一体化仿真系统、开展机载原理样机性能验证、研发人工智能辅助的高分辨率风场反演算法，以及利用观测系统模拟试验（OSSE）评估云内多普勒风场观测对数值天气预报的潜在改进作用。该研究为未来星载多普勒雷达系统设计、全球云内风场高精度反演及气象卫星观测体系优化提供了系统性的技术参考，对深化大气水分与能量循环过程认识、提升数值天气预报能力具有重要意义。

DOI: 10.1109/mgrs.2026.3738049

GRSM2026

微波遥感SAR图像解译收录于 9 天前

SARATR-X-v2：用于合成孔径雷达基础模型的尺度感知结构预训练

IEEE Geoscience and Remote Sensing Magazine

针对现有合成孔径雷达（SAR）掩码图像建模（MIM）自监督预训练方法中重建目标设计缺乏统一依据、像素级重建易受相干斑噪声干扰，以及特征表征难以兼顾不同下游任务语义尺度需求等问题，提出一种兼顾物理稳定性与语义尺度适配性的SAR自监督预训练方法（SARATR-X-v2）。该方法从SAR相干成像机理与多尺度语义表征需求出发，提出预训练重建目标应同时满足对乘性相干斑噪声的近似不变性和对不同空间尺度语义信息的有效覆盖。为此，设计覆盖六种感受野尺度的固定结构特征提取算子，融合盲点局部聚合与方向性对数比值区域对比等结构信息，并通过可学习权重对多尺度特征进行自适应融合，构建统一的掩码重建监督信号，引导模型学习具有物理稳定性和多尺度语义表达能力的SAR特征表示。该方法将SAR成像物理先验与数据驱动的特征融合机制相结合，降低相干斑扰动对预训练目标的影响，增强预训练特征在分类、目标检测及语义分割等下游任务中的迁移能力与泛化性能，为SAR基础模型的自监督预训练目标设计及高质量特征表征学习提供了新的研究思路。

DOI: 10.1109/mgrs.2026.3738381

GRSM2026

高光谱目标检测收录于 9 天前

跨场景光谱实例发现：从高光谱影像像素级异常检测到跨场景实例发现

IEEE Geoscience and Remote Sensing Magazine

针对传统高光谱异常检测方法主要依赖像素级异常得分图、难以实现异常目标实例自动提取与跨场景关联匹配，以及大规模多源高光谱数据处理中人工分析效率受限等问题，提出一种跨场景高光谱异常实例发现框架（CrossSID），实现像素级异常检测、目标实例提取与跨场景实例匹配的一体化处理。该方法构建统一的三级任务体系与层次化评价机制，首先设计自监督场景鲁棒关系编码器（SRRE），学习不同场景间具有可比性的光谱关系特征，增强异常目标表征的跨场景一致性与泛化能力；其次，联合像素级嵌入特征、原始光谱信息及免训练关系描述符，利用马氏距离构建多源异常度量，并通过尺寸条件融合策略生成综合异常得分图；进一步提出分位数自适应种子生长算法，实现无需逐场景人工调整阈值的异常目标实例提取；最后，基于异常得分加权的实例特征聚合方法构建目标描述符，实现跨航线、跨传感器条件下的异常实例检索与匹配。该研究推动高光谱异常检测从传统像素级异常识别向实例级目标发现与跨场景关联分析拓展，为大规模高光谱遥感数据的自动化解译、异常目标持续监测及多源遥感信息关联应用提供了新的技术途径。

DOI: 10.1109/mgrs.2026.3737741

GRSM2026

综述遥感综述收录于 9 天前

遥感变化检测基础模型：范式转变与未来机遇

IEEE Geoscience and Remote Sensing Magazine

针对遥感变化检测任务中跨时相特征对齐、时序一致性建模、变化区域判别及语义理解等关键挑战，以及传统方法在多源、多尺度遥感数据下特征表征能力和跨场景泛化能力不足的问题，系统综述基础模型（Foundation Models，FMs）在遥感变化检测领域的研究进展与应用潜力。该研究围绕基础模型驱动的遥感变化检测（FM4CD），梳理大规模预训练模型在变化特征提取、跨时相信息交互、变化模式建模及语义推理等方面的技术优势，系统归纳代表性方法的核心思想、技术特点与适用场景，并从预训练数据规模、模型适配策略及跨域泛化能力等维度分析影响基础模型变化检测性能的关键因素。同时，探讨基础模型在提升遥感变化检测数据利用效率、复杂场景适应性及多源信息融合能力方面的发展潜力，为构建具有更强鲁棒性、迁移能力和语义理解能力的遥感变化检测方法提供系统性的技术参考，并为基础模型在城市管理、灾害监测、资源调查及生态环境评估等领域的应用拓展提供研究思路。

DOI: 10.1109/mgrs.2026.3737118

第 1 / 7 页 · 每页 20 篇