论文概要：土地覆盖信息在诸如气象变化等众多地学研究和应用中有具有重要的意义。随着深度学习技术的飞速发展，越来越多的研究使用卷积神经网络等深度学习模型从遥感影像中提取土地覆盖分类信息。然而，在进行面向大范围的土地覆盖制图时，由于遥感影像在空间、时间、光谱上存在异质性，深度学习模型在应用阶段经常会出现预测数据与训练数据分布不一致的情况，上述情况也被称为“域偏移”。当域偏移发生时，模型生产的土地覆盖产品中往往会出现大量的错误预测，这些错误预测结果将会在土地覆盖产品的应用过程中引入额外的误差和风险。在进行土地覆盖制图时对其进行不确定性估计是缓解上述问题的有效手段，然而目前相关问题缺乏充分的讨论和深入的研究。文章主要内容包含文献综述和实验对比两个部分：综述不确定性估计的概念、方法、评价、及其在土地覆盖制图中的应用；在实验对比部分，对10种不确定性估计方法在4种制图中常见的域偏移条件下的表现从多个角度进行了分析和评价。
南海北部的多道地震反射剖面示意图
两类不确定性估计的应用
定量及定性对比
核心PI
|
北京师范大学
|
1、国家自然科学基金面上项目：卷积神经网络的遥感图像时空元数据嵌入方法及应用研究，2020-2023，主持。
2 、国家自然科学基金面上项目：基于层次Dirichlet过程的高分遥感图像分类方法及其应用研究，2016-2019，主持。
3、国家自然科学基金青年项目：基于概率潜语义分析模型的面向对象高分辨率遥感影像分析关键技术及其应用研究，2009-2012，主持。
文章信息：
上述研究成果发表于国际期刊《Earth-Science Reviews》上。北京师范大学地理科学学部博士生纪超为论文第一作者，唐宏教授为论文通讯作者。
论文信息：Chao Ji, Hong Tang. Towards reliable land cover mapping under domain shift: An overview and comprehensive comparative study on uncertainty estimation. Earth-Science Reviews, 2025.https://doi.org/10.1016/j.earscirev.2025.105070
点击文末“阅读原文”可查看成果发布源。