A Hybrid deep learning framework for capturing environmental change through image captioning

doi:10.1007/s10791-026-10025-z

A Hybrid deep learning framework for capturing environmental change through image captioning

2026-03-09

1

PRE

AI

DOI：10.1007/s10791-026-10025-z

原文链接

原文求助

摘要

En 中文

遥感在监测地球表面环境变化（如森林砍伐、城市扩张、水资源短缺和气候引发的灾害）中发挥着核心作用。然而，卫星图像获取量的快速增长使得手动解释不切实际。本研究提出了一种混合深度学习框架，可自动为遥感图像生成描述性标题，使环境科学家能够高效地解释大规模地球观测数据。该框架整合了通过微调的VGG-16网络提取的视觉特征和通过Word2Vec嵌入学习的语义表示，并通过注意力增强的长短期记忆（LSTM）网络进行融合和解码。应用于涵盖多样化环境类别的UC Merced土地利用（UCM）和RSICD数据集，该模型生成的标题能以高精度描述土地利用和生态状况。使用BLEU、METEOR、ROUGE和CIDEr指标的评价显示其性能优于现有方法。更重要的是，生成的标题捕捉了有意义的环境属性——如植被损失、聚落增长或水体存在——这些对于气候变化监测、灾害管理和可持续土地利用规划等应用至关重要。该方法为大规模自动化环境评估提供了一条途径，支持地球系统科学和政策中的决策制定。

Keyword:

Remote sensing images

Environmental monitoring

Deep neural networks

LSTM-CNN feature fusion

A Hybrid deep learning framework for capturing environmental change through image captioning

摘要

期刊

机构