基于多尺度注意力网络的火星亚马逊平原尘卷风季节-空间分布及盛行风关联研究

火星尘卷风检测任务十分艰巨，这主要是由于目标尺度的显著变化、小目标特征在提取和融合过程中易丢失或扭曲，以及火星复杂背景的干扰。针对这些问题，本文提出了一种用于火星尘卷风检测的动态三重融合注意力网络（DTFA-Net）。在DTFA-Net架构中，本文设计了一种基于双向特征金字塔网络（BiFPN）的多维度动态特征金字塔网络（MDFPN），通过引入浅层特征和跨尺度连接策略来增强多层次特征融合能力；其次提出了三个轻量级即插即用模块，包括增强特征多样性的局部-通道跨阶段模块（LCCS）、提升关键特征关注度的渐进式特征增强模块（PFE）以及捕获空间-通道交互关系的三重感知跨阶段模块（TACS）；最后集成了动态检测头（DyHead）技术，通过多维度注意力机制实现对不同尺度、空间位置和检测任务的动态适应。实验结果表明，DTFA-Net在亚马逊平原尘卷风数据集上的测试中，其检测精度达到94.3%，召回率为92.8%，mAP50高达96.6%，综合性能显著优于现有主流方法，同时在跨区域数据集上也展现出较强的泛化能力。在检测任务之外，本文还将该框架应用于亚马逊平原区域的火星尘卷风季节性活动与空间分布趋势分析，并基于各季节盛行风分析其活动热点的形成机制。此外，还将模型拓展应用于天问三号十个核心候选着陆区，系统分析了各区域尘卷风的分布。结合检测结果与前人研究，认为这十个预选着陆点中卡塞峡谷（Kasei Valles）、奥克夏高原（Oxia Planum）、麦克劳克林陨击坑（McLaughlin Crater）和茅尔斯峡谷（Mawrth Vallis）这四个区域可能在科学价值、尘埃清洁和工程安全之间更具平衡性，是作为天问三号任务较为理想的着陆点。总体而言，这一研究成果为火星探测任务提供了有关尘卷风的时空分布、活动规律及潜在环境风险的重要参考。同时对探测器的优化设计和安全运行具有指导意义，并为未来火星探测任务的规划与实施提供了科学参考。