“易智瑞”杯《测绘学报》2024年度优秀论文评选（⑯–㉚号摘要）

学术 2024-11-27 09:57 北京

“易智瑞”杯《测绘学报》2024年度优秀论文评选活动由《测绘学报》编辑部与易智瑞信息技术有限公司联合主办，旨在促进前沿测绘地理信息科学成果的传播与推广，增强测绘地理信息学科前沿技术的交流与互动，进一步营造良好的学术科研氛围。本届“易智瑞”杯《测绘学报》优秀论文评选采用专家评审与网友投票相结合的方式进行，范围为本刊近一年所刊出的论文，按照被引频次、下载量、选题方向等综合指标遴选出30篇入围论文，最终根据综合得票确定20篇获奖论文。

希望喜欢并支持《测绘学报》的读者，关注并参与本次活动，积极转发投票页面，扫描下方二维码选出您心目中的《测绘学报》2024年度优秀论文。

识别二维码投票

论文评选结束后将向获奖论文作者颁发证书，后续活动将在《智绘科服》微信公众号上公布，敬请期待。

以下为编号16-30的优秀论文：

（点击论文标题阅读全部）

高分遥感影像双通道并行混合卷积分类方法

顾小虎1, 李正军2, 缪健豪1, 李星华1,3, 沈焕锋4

1. 武汉大学遥感信息工程学院, 湖北武汉 430079;
2. 中交第二公路勘察设计研究院有限公司, 湖北武汉 430056;
3. 自然资源部城市国土资源监测与仿真重点实验室, 广东深圳 518000;
4. 武汉大学资源与环境科学学院, 湖北武汉 430079

摘要：高空间分辨率遥感影像拥有丰富的空间细节信息和多光谱信息。研究表明，二维卷积神经网络适于提取空间信息，而三维卷积神经网络更适于提取光谱信息。为了更好地利用空谱信息，本文提出一种双通道并行混合卷积神经网络(DPHCNN)方法，充分联合二维与三维卷积神经网络在空谱信息提取上的优势，同时引入混合注意力机制、多尺度卷积增强空间细节特征的提取能力，实现高分影像的精准分类。试验中利用高分二号影像数据集进行验证，与当前先进的深度学习分类方法相比，本文提出的DPHCNN方法在保证分类精度高、分类效率较好的同时，能在多时相影像分类中保持最高的稳健性，在综合评价上更具优势。

关键词：混合卷积神经网络高分遥感影像多尺度卷积混合注意力机制影像分类

基于层级Transformer的高光谱图像分类方法

张艺超1,2, 郑向涛1,3, 卢孝强1,3

1. 中国科学院西安光学精密机械研究所光谱成像技术重点实验室, 陕西西安 710119;
2. 中国科学院大学, 北京 100049;
3. 福州大学物理与信息工程学院, 福建福州 350100

摘要：高光谱图像分类将每个像素分类至预设的地物类别，对环境测绘等各类地球科学任务有着至关重要的意义。近年来，学者们尝试利用深度学习框架进行高光谱图像分类，取得了令人满意的效果。然而这些方法在光谱特征的提取上仍存在一定缺陷。本文提出一个基于自注意力机制的层级融合高光谱图像分类框架（hierarchical self-attention network，HSAN）。首先，构建跳层自注意力模块进行特征学习，利用Transformer结构中的自注意力机制捕获上下文信息，增强有效信息贡献。然后，设计层级融合方式，进一步缓解特征学习过程中的有效信息损失，增强各层级特征联动。在Pavia University及Houston2013数据集上的试验表明，本文提出的框架相较于其他高光谱图像分类框架具有更好的分类性能。

关键词：高光谱图像分类 Transformer 自注意力机制层级融合

基于形态变换与空间逻辑聚合的高光谱森林树种分类

张蒙蒙, 李伟, 刘欢, 赵旭东, 陶然

北京理工大学信息与电子学院, 北京 100081

摘要：基于机载及卫星平台面向地面实施反射率光谱信息采集, 高光谱图像可捕获数十个甚至数百个相邻窄带, 为土地利用提供丰富的判别性信息。因此, 同可见光及多光谱图像相比, 高光谱图像可以揭示更为精细的光谱特性, 有助于实现更为准确的材质及地类识别。然而, 现有分析方法大多过度关注其光谱特性, 忽略了高光谱输入源的形态及空间性信息利用。在复杂对象分类任务中, 针对细粒度类别(如森林树种)的类边界挖掘, 形态结构差异性的捕获是极为重要的。本文分析了形态结构利用的重要性, 设计了不同类型的特征提取器。在此基础上, 针对细粒度树种分类提出了一种由粗到细的空间信息聚合网络MS-NET。本文方法将形态学算子与可训练的结构元素有效结合, 有助于获取输入数据的特异性形态表征, 提升最终分类精度。将本文方法在两组树种分类数据集中开展分类效果验证, 相关结果表明本文方法相较其他类型分类器具有更好的性能。

关键词：深度学习高光谱图像卷积神经网络森林树种形态学

遥感图像跨域语义分割的无监督域自适应对齐方法

沈秭扬, 倪欢, 管海燕

南京信息工程大学遥感与测绘工程学院, 江苏南京 210044

摘要：深度学习模型依赖于大量同源标记样本, 即限定训练数据与测试数据服从同一分布。但是, 面对大范围、多样化的遥感图像时, 数据之间的同分布要求难以保证, 深度学习模型的分割精度下降明显。针对这一问题, 本文提出了一种面向遥感图像语义分割的无监督域自适应方法, 在训练数据(源域)与测试数据(目标域)分布不同的情况下, 仅利用源域标签训练深度学习模型, 提高目标域语义分割精度。本文方法引入最优传输理论, 在图像空间、特征空间和输出空间进行全局对齐, 以减轻源域和目标域之间的域偏移。试验采用国际摄影测量与遥感学会(ISPRS)所提供的Potsdam和Vaihingen数据集进行验证。结果表明, 相比于现有方法, 本文方法取得了更高的分割精度。此外, 通过消融分析, 在深度学习驱动的语义分割无监督域自适应框架下, 证明了最优传输理论的有效性。

关键词：遥感图像语义分割域自适应最优传输

20 Sentinel-2和ICESat-2密集时序数据反演浅平型内陆湖泊水量变化

吴浩儒1,2, 李均力1,3, 包安明1,3, 张久丹1,2, 马英莲4

1. 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室, 新疆乌鲁木齐 830011;
2. 中国科学院大学, 北京 100049;
3. 新疆遥感与地理信息系统应用重点实验室, 新疆乌鲁木齐 830011;
4. 新疆维吾尔自治区测绘科学研究院, 新疆乌鲁木齐 830002

摘要：干旱区内陆尾闾湖泊由于湖盆地形浅平、岸线复杂等特点, 采用传统的水位-面积关系法难以反演高精度的水量变化信息。本文提出了一种基于密集时序ICESat-2和Sentinel-2数据反演浅平型内陆湖泊湖盆地形和重建水量时序的方法。本文方法利用浅平型湖泊季节性变化显著的特性, 筛选和计算不同时期湖盆内非水面区域的所有ICESat-2激光光子点的高程信息, 并根据水面等高的特性内插得到Sentinel-2不同时相水面线的高程信息, 在此基础上通过这些加密的高程点构建高精度湖盆地形信息, 并结合水面时序重建湖泊的水量变化。以新疆塔里木河尾闾台特玛湖为试验区, 基于132期Sentinel-2卫星影像和28个时相的ICESat-2激光脉冲数据, 重建了2016—2022年的湖泊水量时序。结果表明, 本文方法获取的湖盆地形高程中误差为0.103 m, 可为无资料浅平型湖泊水量信息的时序重建提供一种思路。

关键词：湖盆地形内陆湖水量时序重建 ICESat-2

21 一种耦合DeepLab与Transformer的农作物种植类型遥感精细分类方法

林云浩1,2,3, 王艳军1,2,3, 李少春1,2,3, 蔡恒藩1,2,3

1. 湖南科技大学测绘遥感信息工程湖南省重点实验室, 湖南湘潭 411201;
2. 湖南科技大学地理空间信息技术国家地方联合工程实验室, 湖南湘潭 411201;
3. 湖南科技大学地球科学与空间信息工程学院, 湖南湘潭 411201

摘要：如何精细遥感监测复杂的不同类型农田作物种植情况，是智慧农业农村领域实现农耕面积调查与农作物估产的关键。目前的高分辨率影像的作物种植像素级语义分割中，深度卷积神经网络难以兼顾空间多尺度全局特征和局部细节特征，从而导致各类农田地块之间边界轮廓模糊和同类农田区域内部完整性不高等问题。针对这些不足，本文提出了一种耦合DeepLabv3+和Transformer编码器的双分支并行特征融合网络FDTNet，以实现农作物种植类型的精细遥感监测。首先，在FDTNet中并行嵌入DeepLabv3+和Transformer分别捕获农田影像的局部特征和全局特征；其次，应用耦合注意力融合模块CAFM有效融合两者的特征；然后，在解码器阶段应用卷积注意力模块CBAM增强卷积层有效特征的权重；最后，采用渐进式多层特征融合策略将编码器和解码器中的有效特征全面融合并输出特征图，以实现晚稻、中稻、藕田、菜地和大棚的高精度分类识别。为了验证FDTNet网络模型在高分辨率作物分类应用的有效性，本文选择不同高分辨率的Yuhu数据集和Zhejiang数据集验证，mIoU分别达到74.7%和81.4%。相比于已有的UNet、DeepLabv3、DeepLabv3+、ResT和Res-Swin等深度学习方法，FDTNet的mIoU可分别高2.2%和3.6%。结果表明，FDTNet在纹理单一、大样本量，以及纹理多样、小样本量的两类农田场景中同时表现出优于对比方法的性能，具有较全面的多类别农作物有效特征提取能力。

关键词：高分辨率遥感影像农作物种植类型语义分割特征融合深度学习

顾及BDS-3星钟约束的GNSS超快速轨道钟差解算方法

胡超1, 王潜心2

1. 安徽理工大学空间信息与测绘工程学院, 安徽淮南 232001;
2. 中国矿业大学环境与测绘学院, 江苏徐州 221116

摘要：BDS-3高稳定星载原子钟作为北斗星座的显著技术优势, 在GNSS数据处理中尚未得到充分利用。针对严格时效性限制下GNSS超快速轨道钟差参数精度受限问题, 本文提出顾及BDS-3星钟约束的GNSS超快速轨道钟差解算方法。首先, 以GNSS轨道钟差参数间相关性为基础, 构建顾及BDS-3星钟参数特性的GNSS定轨模型; 然后, 基于GNSS精密钟差产品, 分析星钟约束对GNSS轨道钟差参数精度的影响规律; 最后, 为克服预报钟差精度与约束筛选对定轨影响, 建立BDS-3星钟建模与GNSS超快速轨道钟差估计的同步处理方法。试验结果表明, 在BDS-3星钟参数最优约束下, BDS-3与GPS轨道钟差精度可分别提升27.5%、5.1%和20.2%、5.2%;且较传统BDS-3星钟单历元处理策略, 基于BDS-3星钟建模与GNSS超快速定轨同步处理方法, GNSS超快速轨道钟差精度可分别提升至4.8%与34.2%, 轨道精度实现了毫米级改善。因此, 顾及BDS-3星钟约束的GNSS超快速轨道钟差解算方法可有效对BDS-3高稳星钟信息模型化, 并实现GNSS超快速轨道钟差精度的优化处理。

关键词：BDS-3星钟 GNSS超快速轨道钟差精密定轨约束模型同步处理

23 地理加权回归建模结果不确定性度量与约束方法

刘宁1, 邹滨1, 张鸿辉2,3

1. 中南大学地球科学与信息物理学院, 湖南长沙 410083;
2. 广东国地规划科技股份有限公司, 广东广州 510075;
3. 湖南师范大学资源与环境科学学院, 湖南长沙 410012

摘要：作为一种经典局部加权最小二乘方法，地理加权回归建模一直受样本空间稀疏及预测变量局部共线性等因素困扰，导致建模结果不确定性呈现空间异质。通过协方差传播定律构建后验标准差精度评价指标，本文提出了一种地理加权回归建模结果不确定性度量与约束方法，并基于地表PM_2.5浓度遥感制图实例开展了验证。试验结果表明：不确定性约束后，不同参数下地理加权回归模型的拟合精度、基于样本/站点/区域的十折交叉验证精度均有改善；局部共线性导致的模型回归系数符号偏差问题得到了改正；模型预测结果奇异值及负值能被有效甄别，有效提升了地表PM_2.5浓度制图结果的可靠性。该不确定性度量与约束方法可有效保证地理加权回归模型估算结果的稳定性和有效性。

关键词：地理加权回归模型不确定性度量 PM2.5浓度遥感制图

24 GNSS-R潮位监测抗差估计

王泽明1, 李浩军1, 孙亚峰2

1. 同济大学测绘与地理信息学院, 上海 200092;
2. 上海市城市建设设计研究总院(集团)有限公司, 上海 200125

摘要：针对GNSS-R反演潮位过程中，由测站天线相位中心与潮位基准面高度的不确定性造成的误差，本文提出了基于抗差估计的优化方法。通过确定观测值的最优权重，削弱水面高度粗差反演值，求解高精度测站高度，进而提高GNSS-R反演潮位的精度。基于HNLC、SC02、TDAM、TPW2这4个IGS GNSS连续运行跟踪站的数据，进行潮位反演试验，结果表明，与传统反演方法相比，本文方法计算所得测站高度分别提升了1.01、1.31、16.2、1.22 cm，反演潮位的均方根误差分别降低了26.7%、34.4%、84%、31.6%。同时，还证明了本文方法求解出的自潮位基准面起算的测站高度，可应用于后续无验潮站或验潮站数据中断情况下潮位的反演。

关键词：全球导航卫星系统反射技术信噪比抗差估计精准测站高

25 基于地理空间感知型表征学习的轨迹相似度计算

吴晨昊, 向隆刚, 张叶廷, 吴华意

武汉大学测绘遥感信息工程国家重点试验室, 湖北武汉 430000

摘要：度量轨迹间的相似性不仅是一项基础的研究问题, 同时也为众多轨迹数据挖掘应用提供支持。传统相似性度量方法面临数据噪声敏感、算法效率低等问题, 难以进行大规模数据计算。当前研究开始尝试使用深度表征学习方法, 将高维轨迹数据映射到低维向量空间, 通过度量表征间的距离高效地完成相似度计算任务。本文在轨迹表征学习中引入Transformer机制, 提出了一种地理空间感知的深度轨迹表征学习方法。首先, 使用Geohash编码将二维空间坐标点转换为一维编码序列, 使轨迹点在嵌入过程中保留空间相关性。然后, 引入Transformer框架构建轨迹表征的深度学习模型, 并采用一种隐轨迹点训练模式, 以保证模型能从低频、噪声的数据中习得更稳健的向量表示。最后, 设计了一个空间感知损失函数, 通过距离因子调整模型误差, 拉近空间相近轨迹的表征。试验表明, 本文方法在轨迹相似性计算任务中超越了基准模型, 并且计算效率远高于传统度量方法。

关键词：深度表征学习轨迹表征 Transformer模型相似性计算

26 融合卫星与地面数据研究京津冀地区弹性骨架储水系数

张玉鹏1,2, 张永红1, 吴宏安1, 刘青豪1,3, 魏钜杰1, 康永辉1,2

1. 中国测绘科学研究院, 北京 100830;
2. 辽宁工程技术大学测绘与地理科学学院, 辽宁阜新 123000;
3. 中南大学地球科学与信息物理学院, 湖南长沙 410000

摘要：地下水的过量开采已经对京津冀平原地区的土层结构造成严重的破坏。本文旨在了解京津冀地区目前土层结构的健康状况, 并对地下水的适宜取水位置提出建议。首先, 利用GRACE-FO数据与MCTSB-InSAR技术, 分别提取了2017—2019年的京津冀地区的地下水变化时序和沉降变化时序。然后, 利用邻域平均方法, 使得二者数据空间分辨率一致, 并首次获得了京津冀地区2017、2018和2019年的弹性骨架储水系数图。最后, 结合京津冀地区的地形地貌、土壤类型及各年内降雨和温度情况, 对弹性骨架储水系数图进行了时空维度对比分析。研究发现, 京津冀地区土层结构的平均情况正在逐渐变好, 但是该地区东南方向土层结构还在继续恶化; 京津冀西北地区的土层结构相对于东南地区更适合开采地下水。

关键词：GRACE-FO 地下水地面沉降 InSAR 弹性骨架储水系数

27 粒子群优化卷积神经网络GNSS-IR土壤湿度反演方法

何佳星1, 郑南山1,2, 丁锐1,2, 张克非1,2, 陈天悦1

1. 中国矿业大学环境与测绘学院, 江苏徐州 221116;

2. 中国矿业大学自然资源部国土环境与灾害监测重点实验室, 江苏徐州 221116

摘要：全球卫星导航系统干涉测量法(GNSS-interferometric reflectometry, GNSS-IR)是一种新兴对地观测遥感技术, 利用该方法能实现土壤湿度监测, 具有很高的应用潜力。针对土壤湿度反演的建模问题, 本文构建一种集成粒子群优化算法(particle swarm optimization, PSO)和卷积神经网络(convolutional neural network, CNN)的GNSS-IR土壤湿度反演模型, 将多颗GPS卫星两个频点信噪比(signal-to-noise ratio, SNR)观测数据提取的特征参数作为模型输入, 通过粒子群算法求解卷积神经网络超参数, 对模型进行优化实现高精度反演。以P041站点为例详细描述了模型建立过程, 本文方法的均方根误差为0.015 0, 相较于基于单星线性、多星线性、未优化CNN和BP神经网络模型分别降低约60%、27%、31%和21%;并通过位于不同地理环境的COPR、P183、P341站点验证模型的可靠性和适用性。试验结果表明, 融合多源观测数据建立PSO优化CNN的GNSS-IR土壤湿度反演模型, 能有效反演土壤湿度, 一定程度上抑制了不同下垫面环境的影响, 具有较强的适用性。

关键词：土壤湿度 GNSS-IR SNR 卷积神经网络粒子群

28 基于多源数据和广义回归神经网络的ZWD预报模型

黎峻宇1,2, 姚宜斌3, 刘立龙1,2, 张豹3, 黄良珂1,2, 曹利颖3

1. 桂林理工大学测绘地理信息学院, 广西桂林 541006;
2. 广西空间信息与测绘重点实验室, 广西桂林 541006;
3. 武汉大学测绘学院, 湖北武汉 430079

摘要：对流层湿延迟是GNSS误差源较难改正的部分。主流的天顶湿延迟(ZWD)经验模型大多基于单源数据, 如探空数据或再分析资料的一种, 且通过预设模型函数表征ZWD在不同尺度上的变化, 难以准确描述ZWD在不同尺度上的非线性复杂变化, 精度有待进一步提高。针对此问题, 基于多源数据和具有强大非线性逼近能力的广义回归神经网络(GRNN), 构建了一种ZWD预报模型。首先, 采用GRNN模型优化和降采样两种不同数据源的格网ZWD, 并将其与探空ZWD合并, 获取高质量的ZWD数据集; 然后, 根据ZWD受时空影响较大的特点和机器学习的特点, 设计了GRNN训练模型的输入变量和输出变量; 最后, 采用后验寻优的方法确定模型参数, 进而获得最优的预报模型。经探空ZWD验证, 相比国际典范经验模型GPT2w, 模型的精度提高了25.3%(以RMS计); 相对同方法单源(探空)数据模型, 精度改善了11.1%;且模型的预报精度具有良好的时空稳定性。此外, 计算效率和PPP应用试验结果表明, 模型的计算效率可满足GNSS实时应用的需求, 且应用于PPP的改进效果优于GPT2w。本文所提方法无须预设模型函数即可获得较高的ZWD预报精度, 为ZWD模型化提供了一种思路。

关键词：对流层湿延迟多源数据 GRNN 非线性逼近预报

全尺度特征聚合的高分辨率遥感影像变化检测网络

姜明1,2, 张新长1,3, 孙颖2, 冯炜明1, 阮永俭1,3

1. 广州大学地理科学与遥感学院, 广东广州 510006;
2. 中山大学地理科学与规划学院, 广东广州 510275;
3. 广东省城市安全智能监测与智慧城市规划企业重点实验室, 广东广州 510290

摘要：利用遥感影像检测地表变化对了解地表动态至关重要。近年来, 基于深度学习的变化检测方法因其优异的特征提取和表达能力而成为研究的热点。在全卷积网络结构方法中, 融合多尺度特征信息是提高变化检测性能的关键, 以往方法大多采用跳跃连接或密集连接结构, 一定程度上提高了变化检测方法的精度。然而, 此类方法只对相同尺度上的特征进行融合, 无法从多尺度上融合足够的信息而导致达不到令人满意结果。本文提出了一种全尺度特征聚合网络(FSANet), 用于解决遥感影像变化检测问题。首先, 使用孪生网络提取双时相影像的特征; 然后, 利用全尺度特征连接结构将提取的特征有效地连接起来, 为了防止特征冗余, 使用特征细化模块将特征细化; 最后, 为了优化模型训练, 采用多尺度监督策略, 在解码器中额外输出多个检测结果, 共同计算最终的损失值。为了验证方法的可行性, 本文使用LEVIR-CD数据集和SVCD数据集来评估模型。试验结果表明, 本文方法优于其他主流的变化检测方法, 同时在精度和复杂度之间有着较好的平衡。

关键词：高分辨率遥感影像变化检测全尺度跳跃连接注意力机制多尺度监督

30 HUST-Grace2020模型反演中国大陆区域水储量变化特征分析

马文静1,2, 周浩1,2, 何培培3, 郑李均1,2, 罗志才1,2

1. 华中科技大学精密重力测量国家重大科技基础设施, 湖北武汉 430074;
2. 华中科技大学地球物理研究所, 湖北武汉 430074;
3. 华北水利水电大学测绘与地理信息学院, 河南郑州 450045

摘要：中国水资源呈现人均水量少且水资源分布不平衡等特点, 研究中国大陆区域水储量及其变化特征, 对水资源管理与调控意义重大。本文主要利用华中科技大学最新发布的HUST-Grace2020模型计算2003年1月—2016年7月中国大陆区域水储量的变化, 并将计算结果与瑞士伯尔尼大学最新发布的COST-G联合解算模型结果、CSR发布的CSR RL06模型结果、ITSG发布的ITSG-Grace2018模型结果和同济大学发布的Tongji-Grace2018模型结果进行对比。结果表明: ①利用HUST-Grace2020模型得到的中国大陆15个子流域的水储量变化与COST-G、ITSG-Grace2018、Tongji-Grace2018模型计算结果的一致性均很好。②西南地区边界处的雅鲁藏布江、澜沧江流域水储量变化最大, 周年振幅分别为13.75、9.37 cm。长江流域、珠江流域和东南沿海水储量呈明显增长趋势, 增加速率分别为0.54、0.78和0.70 cm/a; 淮河、海河和雅鲁藏布江水储量呈现减少趋势, 减小速率分别为-0.47、-0.88和-1.30 cm/a。③中国大陆水储量变化具有明显的季节性, 整体表现为夏秋水储量富足、冬春水储量匮乏。④基于典型流域的水储量变化特征可知, 长江流域在2006年与2011年发生极端干旱事件, 2010年与2016年发生洪水事件; 黄河流域在2003年出现极端干旱事件, 2013年出现洪水事件。

关键词：卫星重力等效水高中国大陆区域干旱洪水事件

以下为入选30篇优秀论文名单：

（点击论文标题阅读全部）

1 联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测

作者：王超,王帅,陈晓,李俊勇,谢涛

第一作者单位：南京信息工程大学电子与信息工程学院

2 L波段差分干涉SAR卫星基础形变产品分类

作者：李涛,唐新明,李世金,周晓青,张祥,许耀宗

第一作者单位：自然资源部国土卫星遥感应用中心

3 融合分散自适应注意力机制的多尺度遥感影像建筑物实例细化提取

作者：江宝得,黄威,许少芬,巫勇

第一作者单位：中国地质大学(武汉)计算机学院