多时序融合卫星遥感AI解译的变化检测研究进展.pptxVIP

2026/07/31多时序融合卫星遥感AI解译的变化检测研究进展汇报人：宁丽娜

汇报导览01研究背景全球变化监测需求与技术挑战02方法演进从传统方法到深度学习的范式转变03架构突破Transformer在变化检测中的前沿探索04产业落地2026年最新产品与工程化进展05应用实践典型场景与行业案例06未来展望技术趋势与关键突破方向

研究背景01

全球变化监测的迫切需求传统光学影像解译依赖人工，存在效率低、成本高、周期长且受主观因素影响的突出问题城市扩张压力68%人口将于2026年居住于城市城市规模与复杂性急剧增加气候灾害响应困境5000km2受灾区域实时覆盖缺口传统手段难以实时覆盖生态破坏加剧+18%亚马逊非法砍伐增长AI监测显示持续恶化

遥感数据爆发式增长40%全球多时相卫星影像年增长↑爆发式增长5天Sentinel-2重访周期4.2亿景累计影像80%AI解译使处理成本降低↓成本锐减多源协同光学、SAR、高光谱等多类型传感器融合发展光学SAR高光谱区域实践京津冀整合6种卫星数据，2018—2024年，分辨率30米至2米京津冀6种数据30m→2m

变化检测的核心挑战光照、季节、太阳高度角等复杂因素差异加大双时相配准难度；目标区域散乱性与尺度多变性使单一模型难以兼顾全局语义与局部细节小目标检测困难5m2小于5平方米的建筑物变化难以被模型有效识别，亚米级高分辨率影像中细小地