Research Progress and Prospect of Multi-source Remote Sensing Intelligent Monitoring Technology for Urban Built Environment

CHEN Nengcheng; JIANG Yuyao; TANG Luliang; CHEN Jie; GENG Dan; WANG Ke; LIU Xu

doi:10.13203/j.whugis20260387

您当前的位置：

首页 >

文章列表页 >

Research Progress and Prospect of Multi-source Remote Sensing Intelligent Monitoring Technology for Urban Built Environment

Cartography and GIS | 更新时间：2026-11-05

- Research Progress and Prospect of Multi-source Remote Sensing Intelligent Monitoring Technology for Urban Built Environment
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 10, Pages: 2215-2228(2026)
- 作者机构：
  
  1.中国地质大学（武汉）国家地理信息系统工程技术研究中心，湖北武汉，430078
  2.武汉大学测绘遥感信息工程全国重点实验室，湖北武汉，430079
  3.中国地质大学（武汉）地理与信息工程学院，湖北武汉，430074
  4.中南大学地球科学与信息物理学院，湖南长沙，410012
  5.建设综合勘察研究设计院有限公司，北京，100007
  6.中国城市规划设计研究院，北京，100044
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20260387
  CLC： P237
- Received：05 October 2026，
  
  Published：05 October 2026
- 稿件说明：
移动端阅览
陈能成,江钰尧,唐炉亮，等.城市建成环境多源遥感智能监测技术研究进展与展望[J].武汉大学学报（信息科学版）,2026,51(10):2215-2228.

CHEN Nengcheng,JIANG Yuyao,TANG Luliang,et al.Research Progress and Prospect of Multi-source Remote Sensing Intelligent Monitoring Technology for Urban Built Environment[J].Geomatics and Information Science of Wuhan University,2026,51(10):2215-2228.
陈能成,江钰尧,唐炉亮，等.城市建成环境多源遥感智能监测技术研究进展与展望[J].武汉大学学报（信息科学版）,2026,51(10):2215-2228. DOI：10.13203/j.whugis20260387

CHEN Nengcheng,JIANG Yuyao,TANG Luliang,et al.Research Progress and Prospect of Multi-source Remote Sensing Intelligent Monitoring Technology for Urban Built Environment[J].Geomatics and Information Science of Wuhan University,2026,51(10):2215-2228. DOI：10.13203/j.whugis20260387

摘要

城市建成环境监测是城市体检和城市更新的基础。面向低成本、大范围、高动态监测需求，从监测指标体系、空天协同三维建模与人工表面材质识别、城市“人-车-物”活动流动态监测、动静耦合模拟仿真等方面综述多源遥感智能监测技术进展，介绍遥感智能监测平台及建筑节能、城市更新和人居环境等典型应用，分析不同方法的数据条件、处理特点与适用范围。在此基础上，讨论多无人系统协同自主广域监测、生成式人工智能低成本监测，以及静态空间形态与动态活动过程协同动态监测三项未来挑战。

Abstract

Monitoring the urban built environment provides essential evidence for urban health assessment and urban renewal. Because built form

surface properties

and human activities are observed at different spatial and temporal scales

low-cost

wide-area

and dynamic monitoring requires the integration of multiple data sources. This review examines advances in intelligent monitoring using multisource remote sensing and compares the data requirements

processing methods

validation needs

and applicability of representative approaches. It covers monitoring indicator systems

satellite-airborne collaborative three-dimensional modeling and artificial surface material identification

dynamic monitoring of flows of people

vehicles

and objects

coupled simulation of spatial form and activity processes

and intelligent monitoring platforms. Indicator systems translate urban assessment needs into observable objects and calculable measures at building

community

block

and city scales. Three-dimensional modeling and material identification describe the physical environment

while activity-flow analysis links observed trajectories to paths

road segments

networks

and regions. Their integration supports applications in building energy conservation

urban renewal

and urban living environment assessment. Monitoring platforms organize data

indicators

operators

and models to generate thematic products. The reviewed methods can connect physical space with urban activity

but their applicability depends on observation coverage

spatial and temporal resolution

sample representativeness

and independent validation. Future research should advance autonomous wide-area monitoring through coordination among multiple unmanned systems

explore generative artificial intelligence for low-cost monitoring under limited observations

and coordinate updates to spatial form with changing activity processes. These directions require monitoring accuracy and cost to be evaluated together at the scales relevant to urban decisions.

关键词

Keywords

references

郑宇 . 城市计算概述［J］. 武汉大学学报（信息科学版）， 2015 ， 40 （ 1 ）： 1 - 13 .

ZHENG Yu . Introduction to Urban Computing ［J］. Geomatics and Information Science of Wuhan University ， 2015 ， 40 （ 1 ）： 1 - 13 .

李德仁，秦昆，张过，等 . 社会遥感地理计算的研究进展与创新［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 1 ）： 1 - 21 .

LI Deren ， QIN Kun ， ZHANG Guo ， et al . Development and Innovation of Geo-computation for Social Remote Sensing ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 1 ）： 1 - 21 .

鲍毅，黄舟，郭庆华，等 . 城市建成环境存量的空间计算：进展及展望［J］. 遥感学报， 2022 ， 26 （ 10 ）： 1909 - 1919 .

BAO Yi ， HUANG Zhou ， GUO Qinghua ， et al . Spatial Calculation of Urban Built Environment Stock： Progress and Prospects ［J］. National Remote Sensing Bulletin ， 2022 ， 26 （ 10 ）： 1909 - 1919 .

黄颖菁，张帆，李勇，等 . 城市影像的智能计算表征［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 1 ）： 22 - 31 .

HUANG Yingjing ， ZHANG Fan ， LI Yong ， et al . Intelligent Computational Representation of Urban Imagery ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 1 ）： 22 - 31 .

ZHENG Q ， SETO K C ， ZHOU Y ， et al . Nighttime Light Remote Sensing for Urban Applications： Progress， Challenges， and Prospects ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2023 ， 202 ： 125 - 141 .

唐炉亮，郭小刚，赵紫龙，等 . 城市建成环境活动流时空建模分析与预测研究进展［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 9 ）： 1891 - 1905 .

TANG Luliang ， GUO Xiaogang ， ZHAO Zilong ， et al . Research Progress in Spatiotemporal Modeling， Analysis， and Prediction of Urban Activity Flows in Built Environment ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 9 ）： 1891 - 1905 .

LI J ， HONG D ， GAO L ， et al . Deep Learning in Multimodal Remote Sensing Data Fusion： A Comprehensive Review ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2022 ， 112 ： 102926 .

住房和城乡建设部 . 关于全面开展城市体检工作的指导意见：建科〔2023〕 75 号［EB/OL］. （ 2023-11-29 ）［ 2026-09-01 ］. https：//www.gov.cn/zhengce/zhengceku/202312/content_6918801.htm https://www.gov.cn/zhengce/zhengceku/202312/content_6918801.htm .

Ministry of Housing and Urban-Rural Development . Guiding Opinions on Comprehensively Conducting Urban Checkups： Jianke ［2023］No. 75［EB/OL］. （ 2023-11-29 ）［ 2026-09-01 ］. https：//www.gov.cn/zhengce/zhengceku/202312/content_6918801.htm https://www.gov.cn/zhengce/zhengceku/202312/content_6918801.htm .

CERVERO R ， KOCKELMAN K . Travel Demand and the 3Ds： Density， Diversity， and Design ［J］. Transportation Research Part D： Transport and Environment ， 1997 ， 2 （ 3 ）： 199 - 219 .

STEWART I D ， OKE T R . Local Climate Zones for Urban Temperature Studies ［J］. Bulletin of the American Meteorological Society ， 2012 ， 93 （ 12 ）： 1879 - 1900 .

孙斌栋，但波 . 上海城市建成环境对居民通勤方式选择的影响［J］. 地理学报， 2015 ， 70 （ 10 ）： 1664 - 1674 .

SUN Bindong ， DAN Bo . Impact of Urban Built Environment on Residential Choice of Commuting Mode in Shanghai ［J］. Acta Geographica Sinica ， 2015 ， 70 （ 10 ）： 1664 - 1674 .

姜玉培，甄峰，孙鸿鹄，等 . 健康视角下城市建成环境对老年人日常步行活动的影响研究［J］. 地理研究， 2020 ， 39 （ 3 ）： 570 – 584 .

JIANG Yupei ， ZHEN Feng ， SUN Honghu ， et al . Research on the Influence of Urban Built Environment on Daily Walking of Older Adults from a Perspective of Health ［J］. Geographical Research ， 2020 ， 39 （ 3 ）： 570 - 584 .

LIU X ， PEI T ， WANG X ， et al . Travel Flow Patterns of Diverse Population Groups and Influencing Built Environment Factors： A Case Study of Beijing ［J］. Cities ， 2024 ， 151 ： 105096 .

XING L ， CHEN Q ， LIU Y ， et al . Evaluating the Accessibility and Equity of Urban Health Resources Based on Multi-source Big Data in High-density City ［J］. Sustainable Cities and Society ， 2024 ， 100 ： 105049 .

Y . 4903/L.1603 （03/22） Key Performance Indicators for Smart Sustainable Cities to Assess the Achievement of Sustainable Development Goals ［S/OL］. （ 2022-03-09 ）［ 2026-10-06 ］. https：//www.itu.int/rec/T-REC-Y.4903-202203-I https://www.itu.int/rec/T-REC-Y.4903-202203-I .

ZHANG D ， MA S ， FAN J ， et al . Assessing Spatial Equity in Urban Park Accessibility： An Improve Two-Step Catchment Area Method from the Perspective of 15-mintue City Concept ［J］. Sustainable Cities and Society ， 2023 ， 98 ： 104824 .

CHANG F ， HUANG Z ， LIU W ， et al . A Novel Framework for Assessing Urban Green Space Equity Integrating Accessibility and Diversity： A Shenzhen Case Study ［J］. Remote Sensing ， 2025 ， 17 （ 15 ）： 2551 .

HIRSCHMÜLLER H . Stereo Processing by Semiglobal Matching and Mutual Information ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2008 ， 30 （ 2 ）： 328 – 341 .

WANG J Y ， HU X L ， MENG Q Y ， et al . Develo‑ping a Method to Extract Building 3D Information from GF-7 Data ［J］. Remote Sensing ， 2021 ， 13 （ 22 ）： 4532 .

LI S ， HE S ， JIANG S ， et al . WHU-Stereo： A Challenging Benchmark for Stereo Matching of High-Resolution Satellite Images ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 1 - 14 .

MILDENHALL B ， SRINIVASAN P P ， TANCIK M ， et al . NeRF： Representing Scenes as Neural Radiance Fields for View Synthesis ［C］// European Conference on Computer Vision ， Online ， 2020 .

KERBL B ， KOPANAS G ， LEIMKÜHLER T ， et al . 3D Gaussian Splatting for Real-Time Radiance Field Rendering ［J］. ACM Transactions on Graphics ， 2023 ， 42 （ 4 ）： 139 ： 1 - 139 ： 14 .

LIU T ， ZHAO S ， JIANG W ， et al . Sat-DN： Implicit Surface Reconstruction From Multiview Satellite Images with Depth and Normal Supervision ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2025 ， 8 ： 25374 - 25390 .

YANG L ， KANG B ， HUANG Z ， et al . Depth Anything V2 ［C］// The 38th Annual Conference on Neural Information Processing Systems ， Vancouver， Canada ， 2024 .

HEIDEN U ， SEGL K ， ROESSNER S ， et al . Determination of Robust Spectral Features for Identification of Urban Surface Materials in Hyperspectral Remote Sensing Data ［J］. Remote Sensing of Environment ， 2007 ， 111 （ 4 ）： 537 - 552 .

RADFORD A ， KIM J W ， HALLACY C ， et al . Learning Transferable Visual Models from Natural Language Supervision ［C］// International Conferen‑ ce on Machine Learning， Online ， 2021 .

LI J ， LI D ， SAVARESE S ， et al . BLIP-2： Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models ［C］// International Conference on Machine Learning ， Honolulu， USA ， 2023 .

WANG P ， BAI S ， TAN S ， et al . Qwen2-VL： Enhancing Vision-Language Model’s Perception of the World at Any Resolution ［PP/OL］. arXiv （ 2024-09-18 ）［ 2026-09-19 ］. https：//arxiv.org/abs/2409.12191 https://arxiv.org/abs/2409.12191 .

LI Q ， MOU L ， SUN Y ， et al . A Review of Building Extraction From Remote Sensing Imagery： Geometrical Structures and Semantic Attributes ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 4702315 .

LIU R ， WU J ， LU W ， et al . A Review of Deep Learning-Based Methods for Road Extraction from High-Resolution Remote Sensing Images ［J］. Remote Sensing ， 2024 ， 16 （ 12 ）： 2056 .

DOUGLAS D H ， PEUCKER T K . Algorithms for the Reduction of the Number of Points Required to Represent a Digitized Line or Its Caricature ［J］. Cartographica： The International Journal for Geographic Information and Geovisualization ， 1973 ， 10 （ 2 ）： 112 – 122 .

ZORZI S ， BITTNER K ， FRAUNDORFER F . Machine-Learned Regularization and Polygonization of Building Segmentation Masks ［C］// The 25th International Conference on Pattern Recognition ， Online ， 2021 .

KIRILLOV A ， MINTUN E ， RAVI N ， et al . Segment Anything ［C］// IEEE/CVF International Conference on Computer Vision ， Paris， France ， 2023 .

LIAN Y ， FENG T ， ZHOU J ， et al . Large-Scale Semantic 3-D Reconstruction： Outcome of the 2019 IEEE GRSS Data Fusion Contest： Part B ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2021 ， 14 ： 1158 – 1170 .

ZHANG Y ， ZHAO H ， LONG Y . CMAB： A Multi-attribute Building Dataset of China ［J］. Scientific Data ， 2025 ， 12 ： 430 .

LOWE D G . Distinctive Image Features from Scale-Invariant Keypoints ［J］. International Journal of Computer Vision ， 2004 ， 60 （ 2 ）： 91 – 110 .

RUBLEE E ， RABAUD V ， KONOLIGE K ， et al . ORB： An Efficient Alternative to SIFT or SURF ［C］// International Conference on Computer Vision ， Barcelona， Spain ， 2011

BROWN M ， LOWE D G . Automatic Panoramic Image Stitching Using Invariant Features ［J］. International Journal of Computer Vision ， 2007 ， 74 （ 1 ）： 59 – 73 .

ZARAGOZA J ， CHIN T J ， BROWN M S ， et al . As-Projective-as-Possible Image Stitching with Moving DLT ［C］// IEEE Conference on Computer Vision and Pattern Recognition ， Portland， USA ， 2013 .

DETONE D ， MALISIEWICZ T ， RABINOVICH A . SuperPoint： Self-Supervised Interest Point Detection and Description ［C］// IEEE/CVF Conferen‑ ce on Computer Vision and Pattern Recognition Workshops， Salt Lake City， USA ， 2018 .

SARLIN P E ， DETONE D ， MALISIEWICZ T ， et al . SuperGlue： Learning Feature Matching with Graph Neural Networks ［C］// IEEE/CVF Conferen‑ ce on Computer Vision and Pattern Recognition， Online ， 2020 .

LINDENBERGER P ， SARLIN P E ， POLLEFEYS M . LightGlue： Local Feature Matching at Light Speed ［C］// IEEE/CVF International Conferen‑ ce on Computer Vision， Paris， France ， 2023 .

TAO R ， THILL J C . Spatial Cluster Detection in Spatial Flow Data ［J］. Geographical Analysis ， 2016 ， 48 （ 4 ）： 355 – 372 .

SHU H ， PEI T ， SONG C ， et al . L-Function of Geographical Flows ［J］. International Journal of Geographical Information Science ， 2021 ， 35 （ 4 ）： 689 – 716 .

ZHAO P ， WANG H ， LIU Q ， et al . Unravelling the Spatial Directionality of Urban Mobility ［J］. Nature Communications ， 2024 ， 15 ： 4507 .

ESTER M ， KRIEGEL H P ， SANDER J ， et al . A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise ［C］// The 2nd International Conference on Knowledge Discovery and Data Mining ， Portland， USA ， 1996 .

ANKERST M ， BREUNIG M M ， KRIEGEL H P ， et al . OPTICS： Ordering Points to Identify the Clustering Structure ［C］// ACM SIGMOD International Conference on Management of Data ， Philadelphia， USA ， 1999 .

LI Y ， YU R ， SHAHABI C ， et al . Diffusion Convolutional Recurrent Neural Network： Data-Driven Traffic Forecasting ［C］// International Conference on Learning Representations ， Vancouver，Canada ， 2018 .

YU B ， YIN H ， ZHU Z . Spatio-Temporal Graph Convolutional Networks： A Deep Learning Framework for Traffic Forecasting ［C］// The 27th International Joint Conference on Artificial Intelligence ， Stockholm， Sweden ， 2018 .

JIN G ， LIANG Y ， FANG Y ， et al . Spatiotemporal Graph Neural Networks for Predictive Learning in Urban Computing： A Survey ［J］. IEEE Transactions on Knowledge and Data Engineering ， 2024 ， 36 （ 10 ）： 5388 – 5408 .

ZHOU T ， MA Z ， WEN Q ， et al . FEDformer： Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting ［C］// The 39th International Conference on Machine Learning ， Baltimore， USA ， 2022 .

LIU H ， DONG Z ， JIANG R ， et al . Spatiotemporal Adaptive Embedding Makes Vanilla Transformer SOTA for Traffic Forecasting ［C］// The 32nd ACM International Conference on Information and Knowledge Management ， Birmingham， UK ， 2023 .

唐炉亮，戴领，任畅，等 . 现实与赛博空间数据相结合的城市活动事件时空建模［J］. 测绘学报， 2019 ， 48 （ 5 ）： 618 – 629 .

TANG Luliang ， DAI Ling ， REN Chang ， et al . Spatiotemporal Modeling of City Events Combining Datasets in Cyberspace and Real Space ［J］. Acta Geodaetica et Cartographica Sinica ， 2019 ， 48 （ 5 ）： 618 – 629 .

GUO X ， ZHANG Q ， JIANG J ， et al . Towards Explainable Traffic Flow Prediction with Large Language Models ［J］. Communications in Transportation Research ， 2024 ， 4 ： 100150 .

WANG Q ， WANG S ， ZHUANG D ， et al . Uncertainty Quantification of Spatiotemporal Travel Demand with Probabilistic Graph Neural Networks ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2024 ， 25 （ 8 ）： 8770 – 8781 .

REINHART C F ， CEREZO DAVILA C . Urban Building Energy Modeling： A Review of a Nascent Field ［J］. Building and Environment ， 2016 ， 97 ： 196 – 202 .

ANAND A ， DEB C . The Potential of Remote Sensing and GIS in Urban Building Energy Modelling ［J］. Energy and Built Environment ， 2024 ， 5 （ 6 ）： 957 – 969 .

CUI Y ， ZHOU X ， FAN C ， et al . Application of Physics-Informed Neural Networks-Based Hybrid Prediction Models in Campus Thermal Environment Prediction ［J］. Building and Environment ， 2026 ， 287 ： 113880 .

PENG C ， XIA F ， NASERIPARSA M ， et al . Knowledge Graphs： Opportunities and Challenges ［J］. Artificial Intelligence Review ， 2023 ， 56 （ 11 ）： 1 3071– 13102 .

MA R ， LI Q ， ZHANG B ， et al . An Ontology-Driven Method for Urban Building Energy Modeling ［J］. Sustainable Cities and Society ， 2024 ， 106 ： 105394 .

MILLER C ， KATHIRGAMANATHAN A ， PICCHETTI B ， et al . The Building Data Genome Project 2， Energy Meter Data from the ASHRAE Great Energy Predictor III Competition ［J］. Scientific Data ， 2020 ， 7 ： 368 .

ZHONG T ， ZHANG Z ， CHEN M ， et al . A City-Scale Estimation of Rooftop Solar Photovoltaic Potential Based on Deep Learning ［J］. Applied Energy ， 2021 ， 298 ： 117132 .

ZHU R ， WONG M S ， KWAN M P ， et al . An Economically Feasible Optimization of Photovoltaic Provision Using Real Electricity Demand： A Case Study in New York City ［J］. Sustainable Cities and Society ， 2022 ， 78 ： 103614 .

WADDELL P . UrbanSim： Modeling Urban Development for Land Use， Transportation， and Environmental Planning ［J］. Journal of the American Planning Association ， 2002 ， 68 （ 3 ）： 297 – 314 .

NI H ， YU L ， GONG P ， et al . Urban Renewal Mapping： A Case Study in Beijing from 2000 to 2020 ［J］. Journal of Remote Sensing ， 2023 ， 3 ： 0072 .

ZHAO X ， XIA N ， LI M C . Dynamic Monitoring of Urban Renewal Based on Multi-source Remote Sensing and POI Data： A Case Study of Shenzhen from 2012 to 2020 ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2023 ， 125 ： 103586 .

LIU C ， ZHANG Q ， HUANG H ， et al . Identifying Where and When Urban Renewal Occurs： A Continuous Change Detection-Based Framework Using Two Decades’ Worth of Landsat Data ［J］. International Journal of Digital Earth ， 2025 ， 18 （ 1 ）： 2510573 .

CHEN H ， QI Z ， SHI Z . Remote Sensing Image Change Detection with Transformers ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 5607514 .

XIONG S ， ZHANG X ， LEI Y ， et al . Time-Series China Urban Land Use Mapping （2016—2022）： An Approach for Achieving Spatial-Consistency and Semantic-Transition Rationality in Temporal Domain ［J］. Remote Sensing of Environment ， 2024 ， 312 ： 114344 .

孙毅中，杨静，宋书颖，等 . 多层次矢量元胞自动机建模及土地利用变化模拟［J］. 地理学报， 2020 ， 75 （ 10 ）： 2164 – 2179 .

SUN Yizhong ， YANG Jing ， SONG Shuying ， et al . Modeling of Multilevel Vector Cellular Automata and Its Simulation of Land Use Change ［J］. Acta Geographica Sinica ， 2020 ， 75 （ 10 ）： 2164 – 2179 .

姚尧，李林龙，孙振辉，等 . 交通驱动下微观地块尺度的城市土地利用变化模拟：以深圳市为例［J］. 国际城市规划， 2022 ， 37 （ 6 ）： 17 – 25 .

YAO Yao ， LI Linlong ， SUN Zhenhui ， et al . Simulation of Urban Land-Use Change at Micro Land Parcel Scale Driven by Traffic： A Case Study of Shenzhen ［J］. Urban Planning International ， 2022 ， 37 （ 6 ）： 17 – 25 .

CAI G ， ZHANG J ， DU M ， et al . Identification of Urban Land Use Efficiency by Indicator-SDG 11.3.1 ［J］. PLOS ONE ， 2020 ， 15 （ 12 ）： e0244318 .

CHARNES A ， COOPER W W ， RHODES E . Measuring the Efficiency of Decision Making Units ［J］. European Journal of Operational Research ， 1978 ， 2 （ 6 ）： 429 – 444 .

LIU S ， XIAO W ， LI L ， et al . Urban Land Use Efficiency and Improvement Potential in China： A Stochastic Frontier Analysis ［J］. Land Use Policy ， 2020 ， 99 ： 105046 .

DEMUZERE M ， KITTNER J ， MARTYNOV A ， et al . A Global Map of Local Climate Zones to Support Earth System Modelling and Urban-Scale Environmental Science ［J］. Earth System Science Data ， 2022 ， 14 ： 3835 - 3873 .

KUSTAS W P ， NORMAN J M ， ANDERSON M C ， et al . Estimating Subpixel Surface Temperatures and Energy Fluxes from the Vegetation Index–Radiometric Temperature Relationship ［J］. Remote Sensing of Environment ， 2003 ， 85 （ 4 ）： 429 – 440 .

HUTENGS C ， VOHLAND M . Downscaling Land Surface Temperatures at Regional Scales with Random Forest Regression ［J］. Remote Sensing of Environment ， 2016 ， 178 ： 127 – 141 .

PU R . Assessing Scaling Effect in Downscaling Land Surface Temperature in a Heterogenous Urban Environment ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2021 ， 96 ： 102256 .

GORELICK N ， HANCHER M ， DIXON M ， et al . Google Earth Engine： Planetary-Scale Geospatial Analysis for Everyone ［J］. Remote Sensing of Environment ， 2017 ， 202 ： 18 – 27 .

OGC 25-004 Spatiotemporal Asset Catalog （STAC） Community Standard ［S/OL］. （ 2025-10-14 ）［ 2026-10-06 ］. https：//docs.ogc.org/cs/25-004/25-004.html https://docs.ogc.org/cs/25-004/25-004.html .

OGC 20-010 OGC City Geography Markup Language （CityGML） Part 1： Conceptual Model Standard ［S/OL］. （ 2021-09-13 ）［ 2026-10-06 ］. https：//docs.ogc.org/is/20-010/20-010.html https://docs.ogc.org/is/20-010/20-010.html .

ZHOU B ， XU H ， SHEN S . RACER： Rapid Collaborative Exploration with a Decentralized Multi-UAV System ［J］. IEEE Transactions on Robotics ， 2023 ， 39 （ 3 ）： 1816 – 1835 .

LIU X ， PRABHU A ， CLADERA F ， et al . Active Metric-Semantic Mapping by Multiple Aerial Robots ［C］// IEEE International Conference on Robotics and Automation ， London， UK ， 2023 .

POOLE B ， JAIN A ， BARRON J T ， et al . DreamFusion： Text-to-3D Using 2D Diffusion ［C］// International Conference on Learning Representations ， Kigali， Rwanda ， 2023 .

CAO T ， KREIS K ， FIDLER S ， et al . TexFusion： Synthesizing 3D Textures with Text-Guided Image Diffusion Models ［C］// IEEE/CVF International Conference on Computer Vision ， Paris， France ， 2023 .

CAPELLERA G ， RUBIO A ， FERRAZ L ， et al . Unified Uncertainty-Aware Diffusion for Multi-agent Trajectory Modeling ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition ， Nashville， USA ， 2025 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Spatiotemporal Evolution and Explainable Analysis of Grassland Vulnerability in the Hohhot-Baotou-Ordos-Yulin Urban Agglomeration

A Review of GNSS Intentional Interference Detection Technologies for Mass-Market Intelligent Terminals： Research Status and Prospects

High-Resolution L-Band InSAR Study of Intense Near-Field Deformation Associated with Shallow Moderate Earthquakes

Machine Learning-Based Remote Sensing Retrieval of Soil Moisture： Advances and Challenges

Tectonic Geodesy： Research Advancements， Opportunities， and Challenges

Related Author

No data

Related Institution

No data

AI问答

⁰