三维地图在城市导航、低空经济和数字孪生等应用场景中发挥着日益重要的作用。地标作为具有显著视觉特征的空间参照物，是三维地图中不可或缺的关键要素，对于行人导航、空间定向和路线指引具有重要意义。为了提升三维地图的渲染效率和用户感知体验，需要对复杂的地标模型进行简化表达。然而，现有的模型简化方法难以有效保持地标模型的认知特征，尤其是孔洞这类拓扑知觉特征，影响了地标的认知和地图导航效率。 针对这一问题，我院丁远副教授联合南京师范大学、新南威尔士大学等单位研究人员，提出了一种基于拓扑知觉的三维地标模型简化方法，首次将陈霖院士提出的拓扑知觉理论引入三维地标自动简化过程。该方法通过体素化处理、孔洞识别与夸张表达，以及模型优化与简化，有效压缩模型体量的同时，强化地标中关键孔洞结构的视觉表达。 研究团队以天安门、埃菲尔铁塔等中西方典型地标为例开展实验验证。实验结果表明该方法在识别性、结构显著性与视觉清晰度等方面全面优于传统几何简化算法（如QEM、Edge Collapse、VSA），显著提升了用户感知体验。该方法对于地标模型的最高压缩比达99.67%，显著了提升模型的空间存储效率。此外，研究

近日，我院王红教授课题组联合加拿大麦克马斯特大学Alemu教授研究团队，在国家尺度森林生物量估算和不确定性量化方面的研究取得进展，在地球科学类TOP期刊《ISPRS Journal of Photogrammetry and Remote Sensing》在线发表了最新研究成果“Aboveground biomass mapping of Canada with SAR and optical satellite observations aided by active learning”。论文链接：https://www.sciencedirect.com/science/article/pii/S0924271625002096。 使用卫星遥感观测估计森林地上生物量（AGB）时，国家森林清查（NFI）数据已成为模型训练和验证不可或缺的参考。然而，对于像加拿大这样土地面积广阔、森林覆盖率广的国家来说，获得统计上足够的NFI数据进行模型训练是一项挑战。该研究旨在使用季节性的Sentinel 12和年度合成的L波段ALOS PALSAR数据，以及可用的NFI数据进行加拿大国家尺

准确估算陆地蒸散发对深入理解水文循环和支撑可持续水资源管理至关重要。然而，现有蒸散发模型由于依赖复杂的气象输入参数（如降水）以及对植被和土壤过程的复杂参数化，常面临显著的不确定性。本研究使用一种基于物理过程且无需参数校准的蒸发互补（Complementary Relationship, CR）模型，该模型基于陆气间水热耦合过程，仅需常规气象变量——辐射、温度、湿度和风速，即可实现地表蒸散发估算，从而避免了对复杂地表参数的需求。 通过在62个全球主要流域基于水量平衡法推导的蒸散发量进行严格验证，结果表明相较于现有蒸散发产品（包括10套基于遥感模型、陆面模型和再分析方法的全球数据集），CR模型在蒸散发量级和趋势模拟上均展现出更优表现，尤其是在植被覆盖稀疏的干旱区域（如图1所示）。研究进一步发现，当采用再分析数据气象变量驱动CR模型时，蒸散发估算结果优于这些再分析数据集直接输出的蒸散发量。研究生成了2001-2022年全球陆地月尺度蒸发数据集，结果显示全球陆地年平均蒸发量为552 ± 5.5 mm yr⁻¹（如图2所示，除南极洲和格陵兰岛外），全球陆地蒸发趋势为0.94 ± 0.3