Zemleustrìj kadastr ì monìtorìng zemelʹ·9月21日 · 周一论文农业遥感与作物表型阅读 0

Remote sensing and geospatial modeling for the detection of war-induced land use abandonment, soil disturbance, and degradation in Sumy region of Ukraine: a systematic review

V. Bogdanets · Ye. Berezhniak · D. Brovko

Zemleustrìj kadastr ì monìtorìng zemelʹDOI 10.31548/zemleustriy2026.03.015开放获取 PDF ↗
论文解读
75精选
速览

系统综述遥感与地理空间建模在乌克兰苏梅地区检测战争导致的土地弃耕、土壤扰动与退化的应用。

方法

综述多源遥感(Sentinel-2/1、Landsat、VHR)与机器学习、时间

发现

遥感是冲突区快速非接触损害评估的关键工具,但区分短期停耕与真正弃耕、地面数据匮乏及敏感信息管理仍是重

机会点

可研究多源时序遥感与弱监督学习结合,构建冲突区弃耕识别与地面验证缺失下的不确定性量化框架。

影响力18
信息增量20
专业深度17
信源权威12
时效性8

系统综述遥感与地理空间建模在战区耕地撂荒与土壤退化识别中的应用,方法体系与数据源梳理扎实,对农业遥感监测有参考价值,但属境外冲突场景研究,国内落地关联度有限。

原文摘要

乌克兰遭受的大规模军事入侵已导致农业景观、土地覆盖和生态系统发生多维转变。苏梅州位于乌克兰与俄罗斯联邦东北部接壤的边境沿线,是一个关键地区,在研究期间(2022年至2026年5月)遭受了激烈战斗、长期炮击以及持续边境冲突的影响。本文系统评估了遥感与地理空间建模技术在探测、量化和监测该战区战争导致的土地撂荒、土地覆盖物理扰动、化学污染及更广泛环境退化方面的应用。结合近期关于乌克兰战争的科学出版物及全球比较案例(叙利亚、伊拉克和苏丹),本文评估了多传感器数据整合的有效性,包括光学(Sentinel-2、Landsat)、合成孔径雷达(SAR;Sentinel-1)、热红外及甚高分辨率(VHR;Maxar、WorldView)平台,以及先进的机器学习和深度学习算法(随机森林、深度学习)和时间序列分析(FANTA、两期曲线近似)。研究结果表明,尽管地理空间建模是在活跃冲突环境中进行快速、大规模、非接触式损害评估不可或缺的工具,但仍存在重要的关键研究空白,即如何区分农业利用的短期中止与战争导致的实际土地撂荒,如何在严重缺乏可靠地面数据的情况下核实此类事实,以及如何管理敏感的地理空间信息。本系统综述指出了现有的方法论空白,并勾勒了未来前景,以构建一个协调的空间监测系统,从而基于区域尺度上的实际遥感数据指导冲突后恢复和环境修复。收稿日期:2026年7月1日;接受日期:2026年8月26日;

乌克兰 苏梅州 遥感 耕地撂荒相关资讯

东方财富财富号/苏垦农发·9月18日 · 周五69 分 报道阅读 0

苏垦农发神农慧种农业AI大模型规模化落地:天空地一体化闭环,百万亩自有农田实景数据

苏垦农发9月18日发文,公司依托百万亩自有连片高标准农田,持续产出真实大田数据训练神农慧种农业AI智能体,实现天空地一体化数据闭环:空中多光谱无人机集群常态化农田巡测;地面全域四情监测传感器、北斗智能农机、智能灌溉终端;云端苏垦智云平台+神农慧种AI模型,形成采集数据→AI分析研判→输出水肥植保方案→农机落地执行完整闭环。苏垦智云是全国农林牧渔领域唯一入选工信部信创典型案例的农业数字化平台。