Ain Shams Engineering Journal·9月3日 · 周四论文智慧农业 / 农业物联网阅读 2
CAFF-Net for coupled eco-health prediction of urban green space and water body with multi-source remote sensing
Yifeng Shen · Y. F. Ye · Shulai Wang
论文解读
65接近精选线
速览
提出CAFF-Net，用多源遥感数据耦合预测城市绿地和水体生态健康。
方法
双分支Swin-Transformer提取特征，CBAM过滤冗余，改进多任务UN
发现
R²达0.928，比SOTA高3.3%，抗云干扰强，支持海绵城市治理。
机会点
可延伸至农业生态系统，耦合预测农田植被与水体健康，探索多任务联合损失在农业遥感中的应用。
影响力12
信息增量20
专业深度18
信源权威12
时效性3
提出CAFF-Net模型，耦合预测城市绿地与水体生态健康，方法新颖，数据可靠，对智慧城市生态管理有参考价值。
原文摘要
针对多源遥感生态健康反演中存在的三大瓶颈——跨模态特征冗余、单任务解耦建模以及城市破碎化地物细节失真问题，本文提出CAFF-Net，利用Sentinel-1 SAR与Sentinel-2光学数据实现城市绿地和水体耦合生态健康预测。双分支Swin-Transformer分别提取异质特征，串联CBAM实现自适应特征过滤以抑制冗余信息。改进的多任务UNet通过联合损失同步预测绿地、水体及耦合生态健康指数，以建模水陆生态关联。实验表明，CAFF-Net的R²达到0.928，较SOTA提升3.3%，且在强云干扰下具有较强鲁棒性，可为海绵城市和流域治理提供支撑。