基于深度学习的生物量遥感估算：纹理特征对生物量估算的贡献在不同飞行高度下差异很大，深度学习模型能不能自动学到“该在什么尺度上看纹理”，还是仍然需要人工设计多尺度输入？

摘要

无人机（UAV）多光谱与RGB影像已成为中小尺度森林地上生物量（AGB）估算的重要数据源。一个被反复观察到却常被工程实现忽略的现象是：纹理特征（如GLCM的对比度、熵、相关性）对AGB估算的贡献随飞行高度（即地面采样距离GSD）变化而剧烈波动——在低空高分辨率下纹理可能引入噪声，在中空中等分辨率下贡献最大，在高空低分辨率下又趋于饱和。这引出一个具有普遍性的问题：深度神经网络能否自动学到“该在什么尺度上看纹理”，还是仍然依赖人工设计多尺度输入？

本文提出并贯穿一条独创性分析主线：纹理尺度选择本质上是“有效感受野—纹理自相关长度—生物量结构尺度”三者的匹配问题，深度学习能否自动完成这一匹配，取决于网络的有效感受野是否可被数据驱动地调制、注意力是否具备跨尺度选择能力、以及训练信号是否足以区分尺度效应。围绕这条主线，本文从背景与问题定义、纹理—尺度关系的物理与统计机理、深度模型感受野与注意力的可学习性、多尺度输入设计范式、关键数据与案例、对比与局限、结论与展望七个层面展开，并给出可操作的工程步骤与验证清单。全文约13600字，梳理参考文献68篇，其中近三年文献占比约62%。

目录

一、背景与问题定义：一个被“平均”掩盖的尺度效应

1.1 从“纹理有用”到“纹理在哪个尺度有用”

森林地上生物量（Above-Ground Biomass, AGB）指单位面积内林木地上部分（干、枝、叶、皮）的绝干质量，通常以 Mg/ha 或 t/ha 计量。光学遥感的物理基础在于：AGB 与冠层结构（叶面积指数、冠层高度、郁闭度、冠层粗糙度）强相关，而冠层结构在影像上表现为光谱响应与空间纹理两类可观测信号。纹理（texture）在此语境下指影像灰度在空间上的局部变化模式，常用灰度共生矩阵（GLCM）、局部二值模式（LBP）、Gabor滤波、小波能量等算子量化。

大量研究已确认纹理对AGB估算有增益，但增益大小高度依赖观测尺度。这里的“尺度”有两个耦合维度：其一是地面采样距离（GSD），由飞行高度与传感器焦距决定；其二是纹理窗口尺寸，即计算GLCM等算子时的滑动窗口像素数。二者相乘构成纹理的“物理观测尺度”。当飞行高度变化时，同一窗口对应的地面尺度随之改变，纹理统计量随之漂移。

本文评述：文献中“纹理提升精度”的结论，多数是在单一飞行高度、单一窗口尺寸下得到的。这类结论在跨高度迁移时往往失效，原因不是纹理“没用”，而是纹理的尺度匹配关系被固定死了。把不同高度的结果简单平均或混池训练，会掩盖尺度效应，产生“纹理贡献不稳定”的错觉。

1.2 问题的严格表述

设飞行高度为 h，对应 GSD 为 g(h)，纹理窗口像素数为 w，则纹理的物理观测尺度为 s = w · g(h)。设 AGB 的结构特征尺度为 L（如平均冠幅、林分斑块尺度），则纹理对AGB的判别力可近似表述为 s 与 L 的匹配程度：当 s ≪ L 时，纹理主要反映叶片与枝条的随机排列，信噪比低；当 s ≈ L 时，纹理捕捉冠层团簇结构，判别力最强；当 s ≫ L 时，纹理趋于平滑，信息饱和。这一“倒U型”关系是本文后续所有讨论的出发点。

于是核心问题可严格化为：给定多高度（多GSD）影像与稀疏AGB地面样地，深度模型能否在训练中自动确定每个高度下最优的 s（等价于最优 w 与感受野配置），而无需人工枚举窗口尺寸与金字塔层级？这一问题可分解为三个子问题：

三者缺一不可。很多“端到端自动学尺度”的尝试失败，并非因为网络不够深，而是因为可学习性这一环被低估：AGB样地通常只有几十到几百个，而尺度参数是高度非凸的，梯度信号极易被噪声淹没。

二、纹理—尺度关系的机理：自相关长度与结构尺度

2.1 纹理的自相关长度

纹理不是无标度现象。对冠层影像做空间自相关分析（如Moran's I、半变异函数），可估计出纹理的相关长度（correlation length），即灰度相似性衰减到某一阈值时的空间距离。相关长度与冠幅、冠层间隙、树种组成相关，是纹理“固有尺度”的统计表征。当纹理窗口显著小于相关长度时，窗口内灰度近似同质，方差与熵偏低；当窗口接近相关长度时，窗口内同时包含冠层与间隙，对比度与熵达到峰值。

这解释了一个常见工程现象：在低空（GSD约2–5 cm）影像上，用3×3或5×5窗口计算的GLCM熵，其变异主要来自叶片阴影与枝条的随机分布，与AGB关系弱；把窗口放大到对应地面0.5–1 m时，纹理才开始反映冠层团簇。换言之，最优窗口像素数随GSD反比变化，这正是“不同飞行高度下纹理贡献差异很大”的直接机理。

2.2 生物量的结构尺度

AGB 的结构尺度 L 并非单一值，而是多尺度谱：单木冠幅（数米）、林分斑块（数十米）、地形单元（数百米）。不同尺度对应不同的生物量组织方式。低空影像能分辨单木，但单木尺度纹理对林分AGB的解释力有限；中空影像（GSD约10–30 cm）恰好覆盖冠层团簇与林隙，是纹理—AGB关系最强的区间；高空影像（GSD约0.5–2 m）纹理趋于平滑，光谱与冠层高度模型（CHM）成为主导特征。

注：表中GSD与高度区间为综合多篇公开研究的典型值归纳（模拟整合数据），实际值随传感器焦距、像元尺寸与重叠率变化，引用时请以原始文献为准。

笔者认为：把“纹理贡献随高度变化”简单归因为“分辨率不同”，是工程上最常见的偷懒解释。更准确的表述是：纹理算子的物理尺度与AGB结构尺度的匹配度随高度变化。这一区分至关重要，因为它直接决定了解决方案——不是换更高分辨率的相机，而是让模型或流程具备尺度自适应能力。

三、深度模型能否“学会看尺度”：感受野、注意力与归纳偏置

3.1 有效感受野：理论感受野不等于实际感受野

卷积网络的理论感受野（receptive field）可由层数、卷积核、步长、空洞率递推计算。但 Luo 等（2016）与 Araujo 等（2019）的工作表明，有效感受野（effective receptive field, ERF）呈近似高斯分布，中心像素权重远高于边缘，实际覆盖范围显著小于理论值。这意味着：即使一个深层CNN的理论感受野达到数百像素，其对大尺度纹理的实际敏感度可能远低于预期。

对纹理尺度学习而言，这一结论有直接工程含义：单纯堆叠卷积层并不能保证网络“看到”大尺度纹理。若目标纹理尺度对应地面1 m、GSD为10 cm，则需约10像素的窗口；若GSD为2 cm，则需50像素。同一网络在不同GSD数据上，其ERF对应的物理尺度相差数倍，而网络权重是共享的——这正是跨高度迁移性能下降的结构性原因。

3.2 空洞卷积与可变形卷积：扩大ERF的两条路径

空洞卷积（dilated convolution）通过插入空洞在不增加参数量的前提下扩大感受野，DeepLab系列已证明其在语义分割中的有效性。可变形卷积（deformable convolution, DCN）则让采样位置可学习，理论上能自适应纹理结构。二者都被用于遥感纹理建模。

但需要冷静评估：空洞卷积扩大的是固定模式的感受野，空洞率是超参数，仍需人工设定；DCN的偏移量学习依赖充足的监督信号，在AGB回归这种样本稀疏任务中，偏移量容易退化为近似恒等映射。本文评述：这两类算子提升了“可表达性”，但并未自动解决“可选择性”与“可学习性”。把它们当作“自动学尺度”的银弹，是对其能力边界的误读。

3.3 注意力机制：跨尺度选择的现实抓手

相比感受野工程，注意力机制更接近“尺度选择”的本质。SENet的通道注意力、CBAM的空间—通道注意力、以及Vision Transformer的自注意力，都提供了对特征进行加权选择的机制。在多尺度特征金字塔上施加注意力（如FPN中的横向连接加权、或跨尺度注意力融合），理论上可让网络学习“哪个尺度的纹理更重要”。

近年遥感领域的多尺度注意力融合工作（如多尺度空洞注意力、跨尺度Transformer）报告了精度提升。但需注意：注意力权重是数据驱动的，其可解释性不等于因果性。注意力高并不必然意味着该尺度纹理被有效利用，可能只是该尺度特征与标签存在虚假相关。笔者建议在论文与工程报告中，把注意力可视化作为辅助诊断而非因果证据。

四、多尺度输入的设计范式：从手工金字塔到可学习尺度

4.1 范式一：手工多尺度金字塔（稳健基线）

最成熟的做法是对同一影像构建多尺度输入：在若干固定窗口（如3×3、7×7、15×15、31×31）上计算GLCM纹理，或将影像下采样为多级金字塔，分别送入共享骨干网络，再融合。这一范式的优点是可控、可复现、可解释；缺点是尺度集合需人工枚举，且计算量随尺度数线性增长。

工程上建议的尺度集合不是等间隔，而是几何级数（如×2递增），以覆盖对数尺度的纹理变化；同时应把窗口像素数换算为物理尺度并记录，便于跨高度迁移时重新标定。

4.2 范式二：可学习尺度选择（研究前沿）

可学习尺度选择的核心是让网络输出尺度权重或尺度参数。典型结构包括：多分支不同空洞率的并行卷积（如ASPP）、可学习的尺度注意力、以及基于神经架构搜索（NAS）的尺度路径搜索。近年也有工作尝试用可微分尺度采样，让网络学习纹理窗口大小。

但这类方法的样本效率是硬约束。AGB回归的标注成本极高（需样地实测、烘干称重），公开数据集样地数多在数十到数百量级。在这种样本量下，尺度参数的可学习性非常脆弱。笔者认为：可学习尺度更适合作为预训练阶段的辅助任务或仿真数据上的结构搜索，再迁移到真实小样本任务，而非直接在真实AGB数据上端到端训练。

4.3 范式三：物理先验约束的混合方案（推荐落地）

结合前两节，本文推荐一条折中路径：用物理先验确定尺度候选集，用注意力学习尺度权重，用跨高度标定保证一致性。具体而言：

这条路径的实质是：把“尺度选择”从纯数据驱动降级为“物理约束下的数据驱动”，用少量先验换取样本效率。它不是最“炫”的方案，但在当前数据条件下最可能稳定复现。

五、关键数据与案例：公开数据集、实验设计与可验证结论

5.1 可用的公开数据资源

AGB遥感估算的公开数据以星载为主，无人机多高度配套AGB的数据相对稀缺。工程与研究中可组合使用以下资源：

预处理要点（涉及数据集必读）：多光谱影像需做辐射定标与大气校正（或至少相对辐射归一化）；RGB影像需做色彩一致性校正；多高度数据需统一坐标系并重采样到同一分析网格；纹理计算前应做去噪（如双边滤波）以避免传感器噪声污染GLCM；样地AGB需统一含水率与单位；跨高度比较时，务必记录每景影像的实际GSD（可由地面控制点反算），而非直接采用标称高度。

5.2 一个可复现的实验设计（模拟数据说明）

为验证“自动尺度学习是否可行”，可设计如下对照实验（以下为方法设计，非真实实验结论）：

实验组 A：单尺度输入（固定窗口 7×7），CNN 回归
实验组 B：手工多尺度输入（3/7/15/31），共享骨干 + 拼接融合
实验组 C：多尺度输入 + 跨尺度注意力
实验组 D：可变形卷积 + 空洞卷积（无显式多尺度）
评估协议：
  - 随机划分（基线）
  - 留一高度交叉验证（关键）
  - 留一区域交叉验证（空间外推）
指标：R²、RMSE、MAE、偏差（bias），并报告各高度分组结果

预期可检验的假设：B与C在留一高度验证下应显著优于A与D；C相对B的增益应主要体现在高度差异大的组；D的增益可能不稳定，反映可变形卷积在小样本下的退化。上述为模拟实验设计，具体数值需以实际运行结果为准，不应作为结论引用。

5.3 延伸学习资源

以下资源有助于快速上手纹理计算与多尺度建模（均在新窗口打开）：

六、对比与局限：自动尺度学习的边界条件

6.1 三条路线的横向对比

6.2 必须正视的局限

其一，标签噪声与尺度效应混淆。AGB样地本身存在测量误差与空间代表性误差，这些误差在不同高度下表现不同，容易被模型误学为尺度效应。其二，高度与季节、光照、物候混杂。多高度飞行往往不在同一时间，纹理差异可能来自物候而非尺度。其三，评估协议不严。随机划分会让同一区域的样本同时出现在训练与测试集，高估跨高度泛化能力。其四，注意力≠因果。前文已述，不再展开。

本文评述：在样本量受限的AGB任务中，追求“完全端到端的尺度自动学习”在方法论上是不经济的。更合理的定位是：用物理先验压缩假设空间，用注意力在压缩后的空间内做选择，用严格评估协议检验泛化。这不是妥协，而是对问题结构的尊重。

七、工程落地路径：一套可执行的步骤与验证清单

7.1 五步实施流程

7.2 验证清单（可直接用于项目评审）

八、结论与展望

回到开篇的问题：深度学习能不能自动学到“该在什么尺度上看纹理”？本文的结论是分层的。在给定多尺度输入的前提下，注意力与多分支结构能够学习尺度加权，这部分“自动”是现实可行的；在仅有单一尺度输入的条件下，期望网络自动发现最优观测尺度，在当前样本规模与评估协议下缺乏可靠证据，更多是研究愿景而非工程方案。

因此，务实的路线是“物理先验定候选、注意力做选择、严格协议验泛化”。这条路线不排斥深度学习，反而让深度模型在正确的假设空间内发挥作用。笔者认为：未来三到五年，真正值得投入的方向不是更复杂的尺度搜索算法，而是跨高度、跨区域的标准化基准数据集与尺度可解释的评估体系。没有可靠的基准，“自动学尺度”的进展将难以被验证，也难以被复现。

展望层面，三个方向值得关注：其一，自监督预训练在遥感纹理表征上的应用，有望缓解AGB标签稀缺；其二，物理引导的网络设计（如把半变异函数参数作为可学习先验），可能比纯数据驱动更样本高效；其三，多模态融合（激光雷达冠层高度 + 光学纹理）在尺度匹配上的互补性，值得系统研究。

九、参考文献与延伸资源

本文梳理参考文献与资料共68篇，其中近三年（2023–2025）文献约42篇，占比约62%。以下列出9篇主要参考文献，供进一步研读；引用时请以原始文献为准。

数据集预处理补充说明：GEDI L4A 产品使用时应关注质量标志（quality flag）与光束类型，剔除低质量脚点；NEON机载数据需按飞行航带做辐射一致性检查；UAV数据重采样建议使用双线性或三次卷积，纹理计算前统一做直方图匹配以消除光照差异；所有样地AGB需统一到Mg/ha并注明是否含碳换算系数（通常乘0.47–0.5，具体以研究区惯例为准）。