遥感与测绘工程学院严清赟副教授团队在International Journal of Applied Earth Observation and Geoinformation期刊发表题为“Unlocking the potential of CYGNSS for pan-tropical inland water mapping through multi-source data and transformer”的研究论文。

内陆水体对人类生存和发展至关重要，它们对区域水文和生态系统有着深远的影响。然而，由于气候变化和人类活动的影响，内陆水体的存在、范围和数量在空间和时间上具有高度的可变性。因此，准确、有效地监测内陆水体及其时空演变是一个重要但具有挑战性的任务。

CyGNSS是一个由八颗卫星组成的星座，它们能够提供全球范围内的双静态测量数据。CyGNSS数据的空间分辨率为0.025°，能够提供近乎全泛热带地区的覆盖，并具有每月的时间尺度。在这项研究中，我们采用了一种名为Context Feature Refinement Transformer（CFRT）的Transformer模型。CFRT结合了Swin Transformer的全局建模能力和ContextModule的局部建模能力，使模型能够很好地泛化并有效拟合长期时间序列数据。我们使用了CyGNSS Level 1 Version 3.1数据集，并结合了土壤湿度、生物量、植被光学深度和地形数据等辅助数据，以提高水体检测的准确性。这些数据被聚合成每月平均值，空间分辨率为0.025°。通过与其他深度学习方法的比较，CFRT在多个评估指标上表现优越，包括均方根误差（RMSE）和平均交并比（mIoU）。CFRT在CyGNSS数据可达区域内，生成的水百分比与参考数据显示出显著的一致性。这项研究表明，CFRT方法在识别和定位全球尺度水系统方面实现了更高的准确性。

图1 CFRT水体反演模型框图

图2泛热带区水体绘制以及亚马逊、刚果细节展示

文章链接：

https://doi.org/10.1016/j.jag.2024.104122