滨海湿地在应对气候变化、应对极端天气、净化水体环境、供应涵养水源、提供物质基础、促进相关产业发展、生态旅游和教育科研等方面具有重要意义。近年来，滨海湿地受环境变化（如海岸线变化、海平面上升、海岸侵蚀、河道迁徙等）、自然灾害（如海水入侵、风暴潮、土壤盐渍化等）以及人类高强度开发（围海造田、港口扩张、石油及盐化工集聚等）等因素影响，湿地生态环境持续恶化，湿地地物多样性降低，引起社会各界的密切关注。基于遥感数据的湿地地物多样性监测方案在湿地保护领域具有重要作用。

一般来说，高光谱遥感图像具有更高的光谱分辨率，能够反映地物光谱的精细特征，但其容易出现空谱分辨率不平衡、同物异谱等问题；多光谱图像具有较高的空间分辨率，且易于获取，适合湿地地物的长时序监测。因此，针对单一传感器局限，协同高光谱图像和高空间分辨率图像进行地物分类识别，是湿地地物精准监测的重要基础。然而，当前多源协同分类任务中仍然存在两个问题：（1）如何在消除数据源差异的同时保持不同地物类别之间的特征判别性；（2）如何高效利用多源遥感数据之间的互补信息。

针对以上问题，实验室设计了一种全新的深度特征交互网络(Depthwise Feature Interaction Network，DFINet)进行湿地地物分类。为保持不同地物的语义区分性并同时消除多源数据的差异，设计一致性损失和判别性损失联合引导深度神经网络模型的优化过程。具体算法框架如图1所示。

该方法是由北京理工大学信息与电子学院博士研究生高云浩、博士后张蒙蒙、李伟教授、陶然教授，自然资源部第一海洋研究所王建步老师，宁波大学孙伟伟老师，美国密西西比州立大学杜谦教授共同合作完成。论文成果《Hyperspectral and Multispectral Classification for Coastal Wetland Using Depthwise Feature Interaction Network》被接收于顶级期刊美国电气和电子工程师协会地学与遥感汇刊 [ IEEE Transactions on Geoscience and Remote Sensing, 2021 ] (影响因子IF:5.6)。

 图1. 论文中所提出的基于深度特征交互网络的滨海湿地地物分别框架图

论文链接：https://doi.org/10.1109/TGRS.2021.3097093