当期目录

2025年 第54卷 第7期    刊出日期：2025-08-18

上一期   

大地测量学与导航

地球质心、形状极与多种自转动力学参数联动的监测方法

章传银, 王伟, 蒋涛

2025, 54(7):  1157-1169.  doi:10.11947/j.AGCS.2025.20250141

摘要 ( )   HTML ( )   PDF (3104KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

地球质心与形状极是描述和度量地球自转运动的大地测量基准。地球内部质量调整和物质运动无法准确测量，导致由地球物理流体数据推算的地球自转激发函数存在不确定性，制约了地球自转动力学机制的深入研究。本文通过统一大地测量和地球自转运动的地固参考系基准，解析各种大地测量要素的地球形状极变化与自转运动效应，从而发展空间几何物理大地测量协同的地球质心、形状极与多种自转动力学参数联动的监测方法，为深入研究地球自转的激发动力学机制与地球各圈层相互作用营造更有利的科学技术条件。本文主要结果包括：①推导出空间几何物理大地测量协同的地球质心与形状极定位理论，既能精密监测地球质心变化与形状极移时间序列，也能将当前地固参考系定位定向到指定时间段内的平质心和平形状极。②给出了地球卫星观测、VLBI运动学测量、地面站点径向位移和重力变化协同的地球质心、形状极与多种自转动力学参数联动的监测模型和算法，以改善地球自转动力学机理研究的约束条件。

GNSS伪三角高程测量方法

李建章, 闫浩文, 杨维芳, 苏小宁

2025, 54(7):  1170-1177.  doi:10.11947/j.AGCS.2025.20250020

摘要 ( )   HTML ( )   PDF (1085KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对传统全站仪三角高程测量精度低的问题，提出了一种GNSS伪三角高程测量方法。本文方法要求在测站周围布设一定数量的辅助点，利用精密水准仪与GNSS接收机建立测站天顶方向（铅垂线反方向）基线向量，并以GNSS基线向量代替传统的全站仪视线，通过向量点积公式获得目标点的天顶距，进而获得两点间三角高程测量值。GNSS伪三角高程测量不要求两点通视，没有大气折光的影响，特别适合跨越障碍物（江河、湖海、山谷等）的长距离高程传递。在长为3.8 km的水准路线上采用精密水准测量和GNSS伪三角高程往返测量进行了对比试验。试验结果表明，两种方法测量结果差异小于二等水准检测限差11.7 mm。

融合多轨道TS-InSAR的广域海岸带地面沉降监测及成因解析——以山东省为例

李鹏, 白建博, 李振洪, 王厚杰

2025, 54(7):  1178-1191.  doi:10.11947/j.AGCS.2025.20250061

摘要 ( )   HTML ( )   PDF (13186KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

海岸带地面沉降会加剧相对海平面上升，增加与洪水相关的沿海基础设施淹没和土壤盐渍化风险。山东作为中国东部沿海经济大省，其海岸线长度约占全国的1/6，但是关于该省地面沉降时空演变特征及关键驱动因素尚不清楚。本文利用2019—2022年的Sentinel-1雷达卫星遥感影像，开展了多轨道合成孔径雷达干涉测量（InSAR）时序分析工作，提出了一种适用于陆海交接区域的InSAR多图幅拼接方法，校正了不同图幅之间的系统性偏差，得到了广域一致性良好的全省地面沉降速率图，探明了多个沉降速率超过50 mm/a的快速沉降漏斗。结合Sentinel-2多光谱遥感影像、形变时间序列和主成分分析方法，揭示了非均质沉降漏斗的时空变化及其驱动因素。结果表明，地下水与煤矿开采相关的人类活动是造成山东省地面沉降的主要因素。本文期望为大范围沿海地面沉降监测和风险管理提供技术支持和科学依据，进一步提升对沿海地质灾害风险的认识。

一种联合GNSS和气象数据的水文干旱指数构建方法

赵庆志, 常璐璐, 姚宜斌, 李浩杰

2025, 54(7):  1192-1205.  doi:10.11947/j.AGCS.2025.20250119

摘要 ( )   HTML ( )   PDF (16369KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

水文干旱事件对社会经济发展和生态系统稳定具有重要影响。针对现有水文干旱研究仅考虑单一的地表或地下水资源变化的现状，本文提出一种联合GNSS与水量平衡原理的水文干旱指数（GWHDI）构建方法。该方法依据水量平衡原理同时考虑地表和地下水资源变化对水文干旱的综合影响，利用GNSS技术反演的垂直地壳位移（VCD）反映地下水资源变化，以降水与潜在蒸散发的综合时变特征作为地表水文要素，并引入多通道奇异谱分析方法确定不同水文要素的最优权值。选取美国本土西北部地区2006—2020年302个GNSS站点进行试验，以标准化径流指数（SRI）为参考，并与GNSS垂向位移干旱指数（HDI）和干旱严重指数（DSI）进行对比。结果表明，在不同时空尺度上，GWHDI与SRI均具有较高的一致性，其时空平均相关性分别为0.71和0.52，显著优于HDI和DSI；此外，GWHDI在夏季最小，易发生水文干旱。上述结果表明本文构建的水文干旱指数在不同时空尺度上均表现出较强的稳健性和可靠性，为区域水资源管理与水文干旱灾害监测预警提供了一种方法。

皮尔逊相关系数时延估计在声学定向上的应用

胡辉雯, 沈聪, 柳林涛, 王国成

2025, 54(7):  1206-1214.  doi:10.11947/j.AGCS.2025.20240406

摘要 ( )   HTML ( )   PDF (2033KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对广义互相关-PHAT（generalized cross correlation-PHAT，GCC-PHAT）中不能合理反映两信号的相关性、存在边缘效应问题，导致在目标被动定向中时延估计扭曲、精度低、有时无法定向目标等现象，本文提出了一种基于皮尔逊相关系数的时延估计方法。该方法利用皮尔逊相关系数合理地、精确地测量两个信号的相关性，并利用平移观测信号与参考信号求滑动皮尔逊相关系数，通过绝对值的峰值所在位置来估计时延。仿真试验表明，与GCC-PHAT相比，本文方法在时延估计的有效值比例上提高了14.67个百分点，在时延估计的精度上提高了92.67个百分点，在目标定向的精度上提高了88.24个百分点。将本文方法应用于麦克风阵列定向无人机试验，试验结果进一步验证了本文方法在时延估计和目标定向上的高稳健性和高精确性，并且在目标方向的稳定点比例上较GCC-PHAT提高了28.66个百分点。

摄影测量学与遥感

耦合空间分布模式的复杂山区地块作物遥感分类方法

吴田军, 李曼嘉, 骆剑承, 李子琪, 胡晓东, 郜丽静, 沈占锋

2025, 54(7):  1215-1229.  doi:10.11947/j.AGCS.2025.20240440

摘要 ( )   HTML ( )   PDF (9929KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

地块级作物空间分布地图是精准农业应用的迫切需求。然而，在山区地形起伏、耕地结构破碎、作物类型多样、云雨天气频繁的环境条件下，现有仅依托遥感数据驱动的作物分类模型仍无法满足实际要求，究其原因是对山区农地系统复杂性、遥感成像的不确定性及作物种植的时空唯一性缺乏深刻认知，对空间效应关联知识的深层次融入运用不足。对此，本文聚焦复杂地表作物遥感制图的不确定性分析问题，以地块为核心对象，在图谱协同分析框架下开展作物分类方法研究，旨在耦合空间分布模式建立作物种植空间场景解构、作物生长谱序特征重建、作物类型判别模型增强3个创新链环节。西南山地典型区域的综合试验揭示了引入空间分布模式对于不确定性消减的正向作用，明晰地块精细提取、先验知识约束、特征重组拓展、分类器强化等措施的联合对提升山区作物辨识力的促进意义。本文在理论上深化对复杂地表区作物遥感解译机制的探索，在实践上为农业保险、灾害评估等场景生成更高精度、更具解释性的作物类型图提供示范与技术支撑。

DRformer：一种渐进式耦合多尺度CNN与浓缩注意力Transformer的高光谱图像超分辨率方法

程青, 汪博轩, 张洪艳

2025, 54(7):  1230-1242.  doi:10.11947/j.AGCS.2025.20240485

摘要 ( )   HTML ( )   PDF (8109KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

高光谱图像超分辨率技术旨在通过提升低分辨率高光谱图像的空间细节和质量，使其更好地服务于环境监测等领域。近年来，基于深度卷积神经网络的机器学习技术在光谱单图超分辨率领域上有着广泛的发展与应用，但仍存在难以兼顾空间多尺度局部特征与全局细节特征学习的缺陷。对此，本文设计了一种基于渐进式采样策略耦合卷积神经网络与Transformer架构的融合网络DRformer。一方面，通过多尺度自适应加权光谱关注模块，用于局部特征的多尺度学习并选择性强调光谱信息特征并进行第一次上采样；另一方面，在网络后半段进行第二次上采样后融入基于Transformer架构构建的CADR模块，用于处理图像的全局特征，增强有效信息。为了验证本文方法的有效性与稳健性，选取Chikusei与Houston2013数据集开展试验，相较于已有的GDRRN、SSPSR、EUNet及MSDformer等深度学习方法具有更好的超分辨率性能，并且设计了消融试验以验证本文方法中各模块的有效性。

基于PCF-Net网络的建筑点云立面结构高精度提取

臧玉府, 王树野, 董震, 陈驰, 黄荣刚

2025, 54(7):  1243-1253.  doi:10.11947/j.AGCS.2025.20240225

摘要 ( )   HTML ( )   PDF (5467KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

随着数字孪生城市、实景三维建设的应用与推广，基于三维点云城市高精度建模已成为重要研究课题，而建筑立面结构信息是辅助构建高精度三维城市模型的必要信息。因此，如何从点云数据中准确地提取建筑立面结构是精细化建模的研究前提。目前，基于深度学习的方法通过神经网络能理解复杂场景、实现目标精准分类，因而得到了广泛应用。然而，在建筑物立面场景中，点云数据存在遮挡严重、噪声极多、点密度差异大等问题，且立面各结构数量比例失衡严重（如门相对窗户的占比极小），使得现有方法难以满足建筑立面结构提取需求。针对该问题，本文围绕建筑立面结构提取在点云采样、特征提取和损失函数3个方面构建了PCF-Net深度学习神经网络。首先，在点云采样的过程中通过附上权重值增加小样本结构点云的比重；然后，设计双分支网络分别提取彩色点云的空间特征和纹理特征，并运用注意力机制自适应融合这两种模态特征，增强对建筑立面复杂场景的描述；最后，设计了顾及交并比（IoU）和提取精度（Acc）的双重约束损失函数以提高建筑立面结构提取的完整度与精确度。试验表明，本文提出的PCF-Net对多种类型的建筑立面提取结构结果分别达到了OA 97.99%，mAcc 97.80%和mIoU 95.75%的精度，而且对于小样本结构提取精度IoU都在90%以上。证明了本文提出的PCF-Net在提取复杂建筑立面结构时的有效性和高精度，为后续高精度三维建模提供了必要的技术支持。

顾及道路边界与连通性的道路提取方法研究

徐永洋, 王健, 吴亮, 谢忠

2025, 54(7):  1254-1264.  doi:10.11947/j.AGCS.2025.20240271

摘要 ( )   HTML ( )   PDF (5326KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

道路提取是遥感图像理解的重要任务之一。本文针对遥感影像中道路提取任务中的遮挡问题，提出一种特征融合网络——KDLinkNet。该网络通过基于图推理的道路连通性优化模块，改进遮挡场景下道路提取表现；引入道路边界的先验知识，提出了道路边界优化模块，增强网络对边界信息的提取能力。试验结果表明该方法在LRSNY、Massachusetts、DeepGlobe数据集上F₁值分别为94.0%、79.8%和86.1%，均表现良好，为遥感图像复杂场景下的道路提取提供了一种有效解决方案。

融合边缘与全局特征的遥感影像显著性目标检测方法

谢亚坤, 赵耀纪, 涂佳星, 夏瑞丰, 冯德俊, 刘苏凝, 陈虹宇, 朱军

2025, 54(7):  1265-1279.  doi:10.11947/j.AGCS.2025.20240247

摘要 ( )   HTML ( )   PDF (12842KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

遥感影像显著性检测（SOD）能有效区分影像中的关键特征和区域，从而提升图像分析的精确度和处理效率。然而，由于遥感影像的复杂性，现有遥感影像SOD方法存在显著性目标定位不准、边界模糊、目标置信度弱等问题。为解决这些问题，本文提出了一种融合边缘与全局信息的遥感影像显著性目标检测方法。首先，设计了边缘特征增强模块，利用Sobel算子提取浅层特征图中的边缘信息，生成边界线索特征图，并融合边界注意力和空间、通道注意力，进一步增强局部特征表示，从而有效改善显著目标的边界模糊问题。然后，提出了全局上下文特征增强模块，通过全局平均池化和全连接层获取图像级语义信息，并结合空间注意力机制生成全局关联图，并以此为基础，利用多尺度注意力和上下文特征增强策略，提升显著目标的置信度和定位准确性。最后，为验证本文方法的有效性，在ORSSD数据集、EORSSD数据集及ORSI-4199数据集上进行了试验分析，分别降低了0.001 3~0.120 5、0.001~0.159 3和0.003 5~0.136 7，S_α分别提高了0.005 7~0.266 3、0.003~0.336 6和0.013 9~0.240 3，F_β分别提高了0.031 4~0.339 1、0.023 2~0.517 8和0.004 3~0.328 9。结果表明，本文方法在检测精度和效率方面均显著优于现有方法，且能够有效应对遥感影像中的复杂场景和多变条件。

面向城市道路场景的车载LiDAR点云语义分割U形图卷积网络方法

万杰, 谢忠, 徐永洋, 陶留锋

2025, 54(7):  1280-1293.  doi:10.11947/j.AGCS.2025.20230481

摘要 ( )   HTML ( )   PDF (11426KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

车载LiDAR点云语义分割旨在提取道路及其路侧多类地物目标的三维信息，对城市道路场景的目标对象化与三维建模至关重要。针对当前深度学习网络在处理车载LiDAR点云时，由于架构限制以及难以有效提取和利用多尺度信息而导致小尺寸目标、数据缺失和被遮挡目标分割不准确等问题，本文提出了一种基于U形图卷积网络(U-GCN)的点云语义分割方法。首先，设计了一个动态图卷积算子，利用可学习的点核自适应地提取点云局部几何特征，并通过级联的动态图卷积算子来构建局部特征聚合模块和扩大感受野，以捕获目标结构和上下文信息。然后，结合U形编码器-解码器网络架构，通过跳跃连接的方式融合深层和浅层点特征来获取多尺度细节信息，以增强目标特征表达。最后，引入深度监督损失函数，引导网络利用各层输出的预测信息进行多尺度的监督训练，进一步提升网络的稳健性和整体性能。在Toronto-3D和WHU-MLS数据集上试验表明，本文方法在可视化分析和定量评价方面均优于当前主流网络，能够有效改善因目标尺度变化、遮挡、数据缺失造成的分割精度低的问题。

融合道路邻近关系的高分遥感目标分割方法

王朝洋, 苏一少, 骆剑承, 胡晓东, 夏列钢

2025, 54(7):  1294-1304.  doi:10.11947/j.AGCS.2025.20240276

摘要 ( )   HTML ( )   PDF (18540KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

近年来，随着深度学习技术的不断发展，遥感影像实例分割实现了在多种数据集上的高效分割结果。然而，现有的遥感影像实例分割方法通常只在像素层面融合空间上下文信息，而忽视了地物目标间的空间关系的挖掘。因此，本文在YOLOv8的基础上提出了融合道路邻近关系的高分遥感目标分割方法，引入了坐标注意力模块和重新设计的距离损失函数，重点关注地物目标间的空间关系，并将其与视觉信息相结合，进一步提升了语义理解和像素级分割精度，显著提高了目标分割的准确性和效率。

地图学与地理信息

顾及地理空间特性的空间面板数据可预测性评估理论与方法

邓敏, 彭翀, 谌恺祺

2025, 54(7):  1305-1317.  doi:10.11947/j.AGCS.2025.20240448

摘要 ( )   HTML ( )   PDF (11073KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

空间面板数据具有空间和时间维度信息规整的特点，常用于地理现象时空演化过程的记录，是时空预测研究的主流数据结构。特别是在以神经网络为核心的人工智能时代，空间面板数据无须额外处理，便可输入卷积网络、循环网络等智能化模型，具有信息无损与计算便捷的优势，常用于人类活动、交通出行等领域的预测研究。然而，现有研究聚焦模型方法的提升，忽视了空间面板数据可预测性的理论研究。统计学等领域有基于熵的可预测性理论，广泛用于时间序列分析，但忽视了空间面板数据中空间依赖、空间异质与地理相似等地理空间特性的影响，导致评估结果不准。对此，本文顾及地理空间特性，提出邻域转移熵、交叉空间熵与交叉区域熵在内的地理熵理论与方法，从特征学习、参数训练、应用测试的不同环节，定量评估空间面板数据的可预测性，为时空预测研究中空间邻域学习、局部模型构建与迁移泛化策略提供理论依据。

数据与认知双驱动的建筑物群制图综合结果与尺度一致性识别

孟妮娜, 李凤梅, 周校东

2025, 54(7):  1318-1331.  doi:10.11947/j.AGCS.2025.20240490

摘要 ( )   HTML ( )   PDF (10939KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

制图综合结果与综合尺度的一致性是制图综合结果质量评价的重要内容。评价过程涉及数量特征、结构特征、认知特征等多维度因素。传统方法在多种指标组合评价时存在量化指标难以确定的问题，且不易融合空间认知等领域知识。基于此，本文提出一种基于空域图卷积神经网络的建筑物群制图综合结果与尺度一致性的识别模型。该模型采用数据驱动与认知驱动相结合的策略，从整体结构、局部结构和个体特征3个空间认知层次度量建筑物群综合前后的特征变化，并利用多尺度综合成果数据进行训练。试验结果表明，本文模型能有效识别制图综合结果与目标尺度的一致性。

异构图卷积网络支持下的河系自动选取方法

王亚青, 王中辉

2025, 54(7):  1332-1345.  doi:10.11947/j.AGCS.2025.20240337

摘要 ( )   HTML ( )   PDF (7458KB) ( )  

数据和表 | 参考文献 | 相关文章 | 多维度评价

河系选取是在大比例尺地图向小比例尺地图变换时，由于空间限制，对重要河流进行优先选取保留，而舍弃其他河流的地图综合过程。现有深度学习方法主要处理单一关系的河系同构图，对河段连接关系信息利用不充分，导致选取准确率低、选取结果拓扑连通性差等问题。为此，本文提出一种异构图卷积网络支持下的河系自动选取方法。首先，将河段作为节点，河段间连接关系作为边，并根据不同的连接关系将边划分为3种类型，构建河系异构图；然后，将选取标签和河系异构图输入RGCN模型进行信息聚合，得到图节点的分类结果；最后，基于分类结果选取河段，实现河系的自动选取。本文选用1∶24 000和1∶250 000两种比例尺的河流数据进行选取试验，结果表明，本文方法在选取准确率上有显著提升，精确率、召回率、F₁值和AUC等指标均超过92%；此外还减少了因河段漏选导致的河流断开问题，更好地保持了河网的拓扑连通性和形态相似性。

博士论文摘要

顾及几何和语义相似的居民地自动综合方法

高晓蓉

2025, 54(7):  1346-1346.  doi:10.11947/j.AGCS.2025.20230384

摘要 ( )   HTML ( )   PDF (890KB) ( )  

参考文献 | 相关文章 | 多维度评价