遥感时空知识图谱驱动的图斑智能净化方法显著提升自然资源变化监测效率

近日，《地球信息科学学报》在线发表了武汉大学遥感信息工程学院李彦胜教授等人的最新研究成果。该研究团队提出了一种基于遥感时空知识图谱驱动的自然资源要素变化图斑净化算法，针对传统深度学习变化检测模型虚警率高、需大量人工干预的问题，设计了新的遥感时空知识图谱本体模式，并研发了高效的图数据库空间分析工具。通过结合多源数据的知识抽取技术，研究团队提出的变化图斑智能净化方法能够在高召回率的基础上大幅降低虚警率，提高了自然资源要素变化监测的作业效率。

该方法经过广东省2024年3-6月的自然资源要素变化图斑净化任务验证，结果显示存真率达到95.37%，去伪率达到21.82%。这表明，利用遥感时空知识图谱进行变化图斑智能净化，能够在充分保留真实变化信息的前提下，有效剔除虚警图斑，为自然资源监测提供了更为精确、高效的解决方案。

传统的遥感变化监测方法往往面临虚警率高、人工干预繁重等问题，本研究通过提出遥感时空知识图谱驱动的自然资源要素变化图斑智能净化方法，成功缓解了这些挑战。通过结合时空知识图谱的智能推理与多源数据的融合，研究创新性地提高了变化图斑净化的自动化程度，极大减轻了人工干预的工作量，为自然资源监测提供了更加高效、精准的解决方案。这一创新方法的提出，不仅为遥感变化监测领域提供了新的技术路径，也为自然资源监测的智能化、自动化提供了有力支持，具有广泛的应用前景。

研究详情请见原文：

遥感时空知识图谱驱动的自然资源要素变化图斑智能净化. http://doi.org/10.12082/dqxxkx.2025.240571