2025 年 11 月 8 日至 10 日，全國地球與行星科學研究生學術論壇暨武漢大學研究生未來創(chuàng)新學術論壇在武漢大學成功舉辦。本次論壇以弘揚科學家精神與 “兩彈一星” 精神為核心，聚焦地球與行星科學領域的學科交叉融合，為青年科研人才搭建了成果展示、思想碰撞的優(yōu)質學術平臺。我所內陸湖泊與流域地表過程研究團隊的多名研究生積極參與各專題分會場交流并作報告，集中呈現了團隊在相關領域的最新研究進展，有效提升了青年學子的學術表達與交流能力。
參會研究生代表合影
2023級碩士研究生張晉一在測繪科學與技術分會場作題為《基于多模態(tài)遙感數據融合與弱監(jiān)督學習的湖濱濕地-農田鑲嵌體精細分類》的報告。該研究以新疆博斯騰湖濕地為典型案例，集成Pleiades與PlanetScope-3多模態(tài)遙感數據，采用Gram-Schmidt融合方法構建高空間-光譜分辨率影像，系統(tǒng)對比了全監(jiān)督模型（FCN、U-Net、DeepLabV3+、SegFormer）與弱監(jiān)督模型（OME）在19類濕地地物分類中的性能，結合精度評價與特征地物分析揭示模型在復雜濕地場景中的分類機制與適用性。報告數據詳實、邏輯嚴謹，引發(fā)了與會專家的廣泛關注與熱烈討論。
張晉一同學作匯報
2023級碩士研究生劉一璇在測繪科學與技術分會場作題為《基于多源遙感數據的哈薩克斯坦洪水時空變化及影響評估分析》的報告。該研究以哈薩克斯坦為研究區(qū)集成多源遙感數據融合，采用STARFM融合方法構建高時空分辨率序列，系統(tǒng)應用RF分類與XGBoost-SHAP解釋性機器學習技術，實現了2000–2024年洪水時空動態(tài)的高精度分類與驅動因子歸因分析。研究揭示了哈薩克斯坦北部、西南部和西部為洪水高發(fā)區(qū)，春季為洪水集中發(fā)生期，并指出降水、溫度、土壤濕度等自然因子及城市化等社會經濟因子對洪水發(fā)生具有顯著影響。報告結論可靠、見解深刻，所提出的分析框架對區(qū)域防災減災及氣候適應策略制定具有重要參考價值。
劉一璇同學作匯報
2024級碩士研究生趙豫璞在測繪科學與技術分會場作題為《非潮間帶濕地遙感：現狀綜述與未來研究方向》的報告。該研究聚焦于非潮間帶濕地的遙感識別與監(jiān)測，系統(tǒng)梳理了國內外濕地遙感的研究現狀與技術方法，重點探討了特征法與指數法在傳統(tǒng)識別中的應用、分類方法的演進路徑，以及生態(tài)參數遙感反演與過程監(jiān)測的關鍵進展。報告深入剖析了當前非潮間帶濕地遙感面臨的關鍵挑戰(zhàn)與未來發(fā)展方向，內容全面、結構清晰，引發(fā)了與會專家對內陸濕地遙感監(jiān)測技術路徑與生態(tài)應用的廣泛討論。
趙豫璞同學作匯報
2023級土庫曼斯坦博士研究生Arslan Berdyyev在測繪科學與技術分會場作題為《Desertification Monitoring: Integrating Remote Sensing and Machine Learning for Global Analysis and Regional Action.》的報告。本研究將全球文獻計量分析與基于實際機器學習的方法研究相結合，以改進荒漠化監(jiān)測工作。全球綜述（1974 年至 2024 年）顯示研究數量呈指數增長，其中中國成為主要貢獻者（發(fā)表了全球超過 50%的論文）。報告指出，研究重點轉向了諸如遙感和氣候模型等技術解決方案。由于對脆弱地區(qū)的關注較少，關于土庫曼斯坦的研究利用了 Sentinel-2 數據以及四個機器學習模型的多指標融合。XGBoost 和隨機森林集成模型達到了最高的準確率（約 96%）。裸土指數（BSI）成為最重要的荒漠化指標。這項工作驗證了先進的大地測量和制圖技術在進行準確且具有可操作性的環(huán)境評估方面的應用價值，并支持全球實現土地退化中和的努力。
Arslan Berdyyev同學作匯報
2023級巴基斯坦碩士研究生Muhammad Murtaza Zaka在固體地球物理學分會場作題為《Self-Supervised Learning and Multi-Sensor Fusion for Alpine Wetland Vegetation Mapping: Bayinbuluke ，China》的報告。該研究以卡杜河流域的巴因布盧克濕地為中心，融合了 2024 年 6 月獲取的“行星衛(wèi)星 3 號”（3 米分辨率，8 個波段）和“吉林 1 號”（4 米分辨率，4 個波段）的影像數據，形成了一個包含 11 個波段的圖像數據集，并通過一個 EN2N 自監(jiān)督流程進行了去噪處理。通過使用 BYOL、DINO 和 MoCo v3 進行基于 ResNet-50 骨干網絡的自監(jiān)督預訓練，并對 DeepLabV3+ 分割器進行微調，研究證明了 MoCo v3 在單傳感器輸入方面表現最佳，而 BYOL 在融合數據上表現最為出色，從而提高了整體準確率和邊界質量——特別是對于少數類和入侵性植被類別。該報告強調了一種可擴展的 SSL 融合工作流程，該流程減少了對大量實地標簽的依賴，并支持高精度的濕地監(jiān)測，引發(fā)了與會者的熱烈討論。
Muhammad Murtaza Zaka同學作匯報
在交流環(huán)節(jié)中，我所研究生圍繞報告內容與來自多家科研院所的同行進行了深入而富有建設性的討論。多位與會專家對我所青年學者的研究方向和階段性成果表現出濃厚興趣，并就研究方法、數據分析和理論創(chuàng)新等方面提出了寶貴建議。
本次論壇學術氛圍濃厚、內容充實、交流充分。我所研究生不僅在會上展示了最新的科研進展，也通過跨領域、多維度的學術對話，進一步拓寬了研究視野，提升了專業(yè)素養(yǎng)與團隊協(xié)作能力。此次參會為他們今后的科研工作注入了新思路、增添了新動力，實現了學術成長與交流實效的雙重收獲。
張晉一同學獲優(yōu)秀報告
附件下載：