一种可解释的空间关联学习网络 用于城市土地覆盖的亚像元级精细制图, 代码开源
收藏国家对地观测科学数据中心2025-07-29 更新2026-01-30 收录
下载链接：
https://noda.ac.cn/datasharing/datasetDetails/67f5dad21c71497a8575e870
下载链接
链接失效反馈官方服务：
资源简介：
本研究（论文详见：https://doi.org/10.1016/j.rse.2023.113884）提出了一种基于可学习空间关联的亚像元制图网络LECOS，用于解决城市土地覆盖分类中的混合像元问题。该方法创新性地采用自注意力机制建模远距离空间关联，通过"自注意力中的自注意力"结构自适应学习像素与亚像元的多样化关系，突破了传统方法局限于局部窗口和固定衰减参数的局限。实验表明，该方法能将Sentinel-2影像（10米）超分辨重建至2米级，精度显著提升8.2-15.7%，并成功应用于中国特大城市精细制图，揭示了城市空间异质性特征和演变规律，为城市可持续发展研究提供了新工具。
创建时间：
2025-07-29
