- 杨雪文
;屈永华
;刘东宜
;赵琪
;
地表异常事件严重威胁生态文明建设和人民生命财产安全,迫切需要对该类事件进行及时、准确的检测。社交媒体凭借即时性与广泛性,为弥补遥感检测响应时效性不足提供了可能,但社交媒体信息存在海量、非结构化及信噪比低等问题,难以直接用于地表异常事件的空间识别。对此,本文提出一种基于社交媒体数据的地表异常事件自动提取方法。首先利用基于自建的异常事件语料库微调的大语言模型(ERNIE-3.5-8K),从微博和X(原Twitter)的热点信息中自动抽取事件核心五元组(时间、地点、类型、经度、纬度);以提取的事件信息为线索,调度Sentinel-2遥感影像开展灾前与灾后影像对比,并在影像变化不显著的情形下结合官方新闻验证事件的真实性。实验结果表明,该方法能快速有效地提取全球范围内的多类型地表异常事件,为构建近实时的全球地表异常事件检测与应急响应体系提供了一条兼具时效性与可靠性的技术路径。
2026年02期 v.42 25-34页 [查看摘要][在线阅读][下载 1829K] [下载次数:68 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 张子龙;秦凯;王艳恒;程德强;孙浩;
尾矿库是矿业固体废弃物的主要贮存设施,其安全运行依赖精准、高效的监测手段。近年来,基于YOLO系列的深度学习模型在高分辨率卫星影像的尾矿库检测中展现出良好潜力,但在复杂地形与多尺度特征下仍存在精度与鲁棒性不足、漏检较多等问题。为弥补现有尾矿库检测数据在复杂地形场景下样本覆盖的不足,本文构建面向山西省的尾矿库遥感数据集:基于GF-2多时相影像完成预处理与定向边界框标注,并生成0.8 m分辨率影像切片以扩充训练样本;提出基于YOLOv8改进的尾矿库检测模型Tail-YOLO,该模型采用定向检测框机制以增强对尾矿库不规则轮廓与方向变化的适配性,并在主干特征提取阶段融合多尺度卷积与注意力增强模块,以强化多尺度特征表征与空间感知能力,同时引入部分卷积实现轻量化以降低计算开销。在山西省自建数据集与河南省公开尾矿库数据集上的实验结果表明,Tail-YOLO的平均精确率为86.8%,平均召回率为83.8%,F_1分数为85.3%,mAP@50与mAP@50-95分别达到88.9%和65.4%,验证了该模型在尾矿库遥感自动识别与监管监测任务中的应用可行性。
2026年02期 v.42 35-42页 [查看摘要][在线阅读][下载 2230K] [下载次数:5 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 徐青;朱新铭;刘怡;苏友能;张瑞鑫;孙凯;
提出快速检测无人机影像窨井盖目标位置的YOLO-HR模型,该模型以YOLOv11模型结构为基础,采用混合域通道注意力模块(Hybrid Domain Channel Attention, HDCA)增强模型主干层的多尺度特征融合与提取能力,并在检测头部分引入残差注意力模块(Residual Attention Block, RAB)用于提升模型检测头的特征捕捉能力。实验结果表明:本文模型相对于YOLOv11基线模型平均检测精度较高,在精确率、召回率、F_1、AP@0.5及AP@0.5∶0.95指标上分别提升了0.7%、17.7%、12.4%、5.3%、4.4%;跨区域泛化实验显示,本文模型在未见场景中仍具有稳定的检测性能与良好的适应性。
2026年02期 v.42 43-50+90页 [查看摘要][在线阅读][下载 2419K] [下载次数:8 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ]