ENVI在复杂矿山场景的对比中被测出常规像元分类精度最高但效率最低，而深度卷积网络“相较常规方法有明显精度优势”——同一个研究里，ENVI自带的深度学习模块和研究者自己写的深度网络，到底谁被算进了“深度学习算法”那一栏，一个商业软件的内置AI和一个定制化的研究级模型在“精度优势”这个结论里被混在一起说，用户到底该怎么分辨ENVI自身的AI能力边界在哪里？

一、问题的提出：一个被折叠的对比栏位

1.1 结论句背后的结构性歧义

典型的矿山遥感分类对比研究会给出这样一组结果：最大似然法、支持向量机（SVM）、神经网络分类器等常规方法中，某一方法总体精度（Overall Accuracy, OA）最高，但单景影像处理耗时最长；随后列出“深度学习”方法的精度，普遍高出常规方法若干个百分点，并据此得出“深度卷积网络相较常规方法具有明显精度优势”的结论。表面看逻辑自洽，但一旦追问“深度学习那一栏具体跑的是什么”，歧义立刻出现。

在不少工程实践与学位论文中，这一栏可能包含三种完全不同的对象：其一，ENVI 深度学习模块中预置的模型（如基于 TensorFlow 后端的语义分割/目标检测工作流，用户仅做样本标注与参数微调）；其二，研究者在 PyTorch 或 TensorFlow 中自行设计、自行训练、自行调参的网络（如改进的 U-Net、DeepLab 变体、注意力增强网络）；其三，把前两者结果做某种融合或择优报告。三者被合并统计后，“深度学习”实际上变成了一个混合处理组（mixed treatment group）。

本文评述：在实验设计语境中，把多个异质处理合并为一个组，只有在组内方差远小于组间方差、且合并具有明确物理含义时才成立。遥感分类中的“深度学习”显然不满足这一条件——不同实现路径之间的差异，往往大于深度学习与常规方法之间的差异。因此，这类结论在统计上属于“可报告但不可归因”的弱命题。

1.2 为什么用户会被误导

误导并非来自数据造假，而来自表述粒度的失配。研究者的真实工作往往包含大量自研成分：自建样本库、自定义损失函数、针对性数据增强、后处理形态学滤波。这些工作在论文中被压缩为“本文采用深度学习方法”，读者接收到的却是“深度学习（作为一个算法类别）优于常规方法”。于是，一个商业软件的内置推理能力，被读者默认为具备了与自研模型同等的性能上限。

更实际的问题是采购与选型场景。矿山企业的技术人员读到这类文献后，可能直接采购 ENVI 并期望复现“明显精度优势”，结果发现内置模块在自家数据上表现平平。此时争议的焦点往往被错误地引向“ENVI 不行”，而真实原因是：文献中的精度优势主要来自自研模型与定制化训练流程，而非软件内置能力。分辨这两者，正是本文要解决的核心问题。

二、背景与概念界定：像元分类、面向对象与深度网络的分野

2.1 三类方法的技术定位

要判断“谁被算进了深度学习栏位”，先要明确各方法的定义边界。基于像元的分类（pixel-based classification）指以单个像元的光谱向量为特征输入，逐像元判定类别，典型代表为最大似然法、最小距离法、光谱角制图（SAM）以及以像元为样本单元的 SVM 与浅层神经网络。其核心假设是“同物同谱”，在空间分辨率较高、地物破碎的矿山场景中容易产生椒盐噪声。

面向对象分类（object-based image analysis, OBIA）则先做影像分割形成对象（object），再以对象的 spectral、texture、shape、context 等特征进行分类。它缓解了椒盐噪声，但引入了分割尺度这一新的敏感参数。深度卷积网络（deep convolutional neural network, DCNN）以影像块（patch）或全图（fully convolutional）为输入，通过多层卷积自动学习空间—光谱联合特征，其判别能力来自数据驱动的表征学习，而非人工设计的特征规则。

三者的关键差异不在于“是否用了神经网络”，而在于特征来源与空间上下文利用方式。一个只有两三层全连接、输入为单像元光谱的“神经网络分类器”，在方法论上属于常规像元分类，不应被归入深度卷积网络。这一区分在文献中经常被模糊处理。

2.2 矿山场景的特殊性

矿山遥感监测的典型任务包括：露天采场边界提取、排土场与尾矿库识别、复垦植被覆盖度评估、矿区地表扰动变化检测。这些任务对分类方法提出了三个特殊约束。第一，类间光谱相似性强：裸岩、道路、建筑物屋顶、排土场新土在可见光—近红外波段的光谱曲线高度重叠，纯光谱方法难以区分。第二，类内方差大：同一排土场因含水率、粒径、风化程度不同，光谱差异显著。第三，样本标注成本高：矿区地形复杂、通行受限，实地采样困难，可用的高质量标注样本往往只有数百至数千个像元级样本。

这三个约束共同决定了：在矿山场景中，空间上下文与纹理信息比纯光谱更具判别力，这正是深度卷积网络被引入的动因。但同样因为样本量有限，深度网络的训练容易过拟合，其性能对数据增强、迁移学习、正则化策略高度敏感——这恰恰是自研模型与商业内置模块差异最大的地方。本文评述：矿山场景的“深度网络优势”本质上是一个小样本 + 强上下文问题，脱离样本条件谈算法优劣，结论不具备可迁移性。

2.3 精度指标的定义与陷阱

常用指标包括总体精度（OA）、Kappa 系数、生产者精度（PA）、用户精度（UA）以及交并比（IoU）与 F1 分数。需要强调的是，OA 对类别不平衡极其敏感。矿山场景中背景类（如裸地）往往占据绝大部分像元，一个把所有像元判为背景的分类器也能获得很高的 OA。因此，仅报告 OA 的对比研究，其结论的解释力有限。

此外，Kappa 系数在类别极不平衡时会出现悖论性表现，学界对其适用性存在持续讨论。笔者认为，在矿山分类任务中，应以目标类（如排土场、复垦区）的 F1 与 IoU 为主指标，OA 仅作辅助报告，并同时给出混淆矩阵与各类样本量。若原文未报告这些细节，其“精度优势”结论的可信度应被下调。

三、混淆变量解剖：为什么“深度学习”栏位不可比

3.1 六类主要混淆变量

把 ENVI 内置模块与自研网络放进同一栏位，至少引入了六类不可忽略的混淆变量。下表按影响量级排序，并给出各变量的可控性评估。

这六类变量中，训练样本集与后处理策略的可控性最高，却恰恰是最容易被忽略的。一个常见情形是：自研模型使用了经精心清洗、类别均衡、含困难样本的增强数据集，而内置模块仅用默认参数在原始样本上训练。此时两者的精度差异，主要反映的是数据工程投入的差异，而非算法本身的优劣。本文评述：把数据工程红利记在“深度学习算法”账上，是当前遥感对比研究中最普遍的系统性归因错误之一。

3.2 效率指标的可比性问题

“常规方法精度最高但效率最低”这一表述同样需要拆解。效率通常以单景影像处理耗时衡量，但耗时至少包含训练时间与推理时间两部分。常规像元分类器（如最大似然法）无需训练或训练极快，但逐像元计算在高维特征下可能较慢；深度网络训练耗时巨大，但推理阶段在 GPU 上可高度并行。若研究只报告“总耗时”，则结论高度依赖硬件配置与是否计入训练。

更严谨的做法是分别报告：训练耗时、单景推理耗时、达到目标精度所需的人工标注工时、以及端到端部署成本。笔者认为，对于矿山这类周期性监测任务，推理效率与标注成本的权重应高于一次性训练成本；而对于一次性制图任务，训练成本不可忽略。脱离任务频次谈效率，同样不可比。

四、ENVI 内置 AI 的能力边界：模块构成与能力探针

4.1 内置模块的构成逻辑

ENVI 的深度学习能力以“工作流封装”形式提供，其设计哲学是降低使用门槛而非最大化性能上限。典型构成包括：基于 TensorFlow 后端的训练与推理接口、若干预置网络骨干（如用于语义分割的编码器—解码器结构、用于目标检测的检测头）、样本标注与管理工具、以及模型导出与部署工具。用户可在图形界面中完成样本标注、参数设置、训练与推理，无需编写代码。

这种封装带来两个直接后果。其一，可调参数被有意收敛：学习率、批大小、迭代轮数等暴露给用户，但网络结构、损失函数细节、数据增强策略多被固定或仅提供有限选项。其二，预训练权重以通用性为目标：为覆盖多行业用户，预训练数据通常包含自然影像与多类遥感影像，而非针对矿山地物优化。这两点决定了内置模块在特定场景下的性能天花板。

本文评述：封装不是缺陷，而是产品定位的必然结果。商业软件的目标用户是“需要快速得到可用结果、但不具备深度学习工程能力”的从业者。用研究级自研模型的标准去要求内置模块，本身就是评价基准的错配。真正需要追问的是：内置模块在“零代码、有限调参”约束下能达到什么水平，以及这个水平距离自研模型有多远。

4.2 能力探针：五步探测法

要分辨 ENVI 自身 AI 能力的边界，不能依赖文献中的二手结论，而应设计能力探针（capability probe）——一组受控的小规模实验，用于测定工具在特定约束下的性能包络。以下五步法可在普通工作站上完成，单次实验成本控制在数小时量级。

能力探针五步法（伪流程）

Step 1  基准锁定：固定同一景影像、同一训练/验证/测试划分、同一评价脚本
Step 2  内置基线：ENVI 默认参数 + 默认骨干，记录 OA/F1/IoU 与训练/推理耗时
Step 3  参数扫描：仅调暴露参数（学习率、批大小、轮数），记录性能包络上界
Step 4  数据增强：在软件允许范围内增加样本与增强，观察边际收益曲线
Step 5  对照自研：同一数据上跑一个公开骨干（如 U-Net），比较差距来源

五步法的关键在于 Step 1 的严格锁定。若训练/验证/测试划分不一致，后续所有比较都失去意义。Step 3 与 Step 4 用于区分“参数没调好”与“能力天花板”两种情况：若参数扫描后性能仍有明显上升空间，说明此前结论低估了内置模块；若性能迅速饱和，则说明瓶颈在结构或预训练权重。Step 5 用于量化自研模型相对内置模块的增量，并进一步拆解增量来自结构、预训练还是后处理。

4.3 边界判定的三个信号

根据笔者的工程观察与公开资料综合判断，以下三个信号可用于快速判定内置模块是否已触及能力边界。第一，参数扫描饱和：在合理范围内调整暴露参数，验证集 F1 波动小于约 1 至 2 个百分点，且无明显上升趋势。第二，困难样本持续错分：对光谱相似地物（如裸岩与建筑物）的混淆矩阵显示系统性混淆，且增加样本量后改善有限。第三，与自研模型差距稳定：在同一数据划分下，自研模型相对内置模块的 F1 增量在不同随机种子下稳定存在（如 3 至 8 个百分点），说明差距来自结构性因素而非随机波动。

需要说明的是，上述数值区间为工程经验性描述，具体数值随数据、传感器、类别体系变化，不应作为硬性阈值。笔者建议读者在自己的数据上重跑五步法，以获得本地化的边界估计。这比直接引用任何文献中的数字都更可靠。

五、可复现的对照实验设计：四层解耦方案

5.1 四层解耦框架

要让“深度学习是否优于常规方法”成为可归因的强命题，需要把对比实验拆成四个相互独立的层次：数据层、模型层、训练层、评测层。每一层只允许一个因素变化，其余层严格锁定。这一框架借鉴了机器学习可复现性研究中的消融思想，但针对遥感分类的特点做了调整。

这一框架的价值在于，它把“深度学习 vs 常规方法”这个笼统问题，转化为四个可分别回答的子问题。例如，若数据层实验显示统一样本后内置模块与自研模型差距从 8 个百分点缩小到 3 个百分点，则说明约六成差距来自数据工程；剩余三成再通过模型层与训练层继续拆解。本文评述：可归因性不是靠更复杂的模型获得的，而是靠更严格的实验控制获得的。

5.2 数据划分与统计检验

遥感影像具有强空间自相关，随机像元划分会导致训练集与测试集空间邻近，产生乐观偏差。推荐采用空间分块划分（spatial block cross-validation）：将研究区划分为若干空间块，按块分配训练/验证/测试，块间保留缓冲带以避免边界泄漏。对于矿山这类地物呈斑块状分布的场景，块大小应大于最大地物斑块的典型尺度。

统计检验方面，单次运行的精度差异不足以支撑结论。建议至少使用 5 个随机种子重复训练，报告均值与标准差；对两个模型的预测结果，可采用 McNemar 检验比较其错误分布是否存在显著差异。若原文仅报告单次运行结果且未做显著性检验，其“明显优势”的表述应被视为描述性而非推断性结论。

5.3 最小可复现实验清单

为便于读者落地，以下给出一个最小可复现实验清单，覆盖从数据准备到结论输出的全流程。清单中的每一步都应记录版本、参数与随机种子，形成可追溯的实验日志。

最小可复现实验清单

[数据] 影像元数据、预处理链（辐射定标/大气校正/几何配准）版本号
[样本] 标注规范、类别体系、每类样本数、空间块划分文件
[基线] 常规方法（如 SVM）参数与核函数、输入特征（原始波段/指数）
[内置] ENVI 模块版本、骨干名称、暴露参数取值、训练轮数
[自研] 代码仓库 commit、环境依赖、预训练权重来源与许可
[评测] 指标脚本、混淆矩阵、每类 F1、McNemar 检验 p 值
[效率] 训练耗时、推理耗时、硬件型号、是否含数据加载
[日志] 随机种子、重复次数、均值与标准差

这份清单看似繁琐，但它是把“经验之谈”转化为“可检验知识”的最低成本。笔者认为，遥感分类对比研究的可复现性危机，很大程度上不是算力或算法问题，而是记录习惯问题。一个记录了完整清单的研究，即使结论被推翻，其数据与流程仍有复用价值；反之，一个只报告最终 OA 的研究，即使结论正确，也无法被有效继承。

六、关键数据与案例复盘：精度、效率与统计显著性

6.1 公开研究的共性模式

综合近年公开发表的矿山及矿区遥感分类研究，可以观察到若干共性模式。在采用高分辨率影像（如 GF-2、WorldView、Sentinel-2 十米级）的矿区地物分类任务中，深度卷积网络相对 SVM、随机森林等常规方法的 OA 提升通常落在数个百分点的区间；提升幅度与样本质量、类别体系复杂度、空间分辨率密切相关。这一区间在不同研究中并不一致，说明其高度依赖实验条件，不能作为普适常数引用。

在效率维度，常规像元方法在中小规模影像上往往表现出更低的推理延迟，而深度网络在 GPU 加速下处理大范围影像时具备吞吐优势。这一交叉现象意味着“效率最低”的结论只在特定影像规模与硬件条件下成立。本文评述：任何关于效率的结论都必须附带影像尺寸、硬件型号与是否含训练时间的说明，否则不具备工程参考价值。

6.2 一个模拟对照实验的拆解

为直观展示四层解耦的作用，以下给出一个模拟数据的对照结果（非真实实验，仅用于说明分析方法）。设定场景为某露天矿区四类地物（裸岩、排土场、植被、水体）分类，影像为十米级多光谱，样本总量约 2000 像元，空间分块划分。表中数值为模拟整合数据，用于演示归因逻辑。

这张模拟表揭示了一个关键事实：从 SVM 到“含增强与后处理的自研模型”，目标类 F1 提升约 14 个百分点；但其中约 6 个百分点来自参数扫描与数据工程，约 5 个百分点来自结构与预训练，仅约 3 个百分点可归因于“深度网络相对常规方法”的纯算法差异。若研究只报告首末两行，读者会误以为 14 个百分点全部来自“深度学习算法”。本文评述：归因的精细程度，直接决定了结论的工程价值。一个说清 14 个百分点来源的研究，远比一个只报告 14 个百分点的研究有用。

6.3 显著性检验的必要性

在上表模拟中，内置模块参数扫描后与自研模型统一数据之间的差距为 3 至 5 个百分点。这一差距是否显著，取决于样本量与类别分布。若测试集目标类样本仅百余个，3 个百分点的差异可能完全落在随机波动范围内。因此，报告差距时必须同时报告置信区间或检验结果。McNemar 检验适用于比较两个分类器在同一测试集上的错误分布，其零假设为两者错误率无差异；当 p 值小于约定显著性水平时，方可认为差异非随机。

笔者认为，遥感分类论文中“明显优势”这一表述应被更谨慎地使用。在没有显著性检验、没有多次重复、没有空间独立测试集的情况下，“明显”只是主观修饰词。技术读者在引用此类结论时，应主动追问这三个条件是否满足。

七、对比与局限：商业内置 AI 与自研模型的真实差距

7.1 差距的结构性来源

商业内置 AI 与自研模型的差距，本质上是通用性与专用性之间的权衡。内置模块为覆盖尽可能多的用户场景，必须在网络结构、预训练数据、默认参数上选择稳健而非最优的配置；自研模型则可以针对特定矿区、特定传感器、特定类别体系做深度定制。这种差距不是“谁更先进”的问题，而是“为谁优化”的问题。

从工程角度看，自研模型的优势需要以持续的人力投入为代价：数据标注、模型迭代、环境维护、部署适配，每一项都需要专业人员。对于监测频次低、类别体系稳定的矿山企业，内置模块的“够用且省人”可能比自研模型的“最优但费人”更经济。本文评述：技术选型不应以精度单指标论英雄，而应以全生命周期成本与任务需求的匹配度为准则。

7.2 内置模块的适用边界

基于前述分析，内置模块在以下条件下表现较为可靠：类别体系为常见地物（水体、植被、建筑、道路）、影像分辨率与预训练数据分布接近、样本量足以支撑微调、对精度要求处于“可用”而非“极致”区间。反之，在类别高度专业（如特定矿物堆场、复垦年限分级）、影像为特殊传感器、样本极少且类别极不平衡的条件下，内置模块的性能天花板会明显下降。

需要强调的是，这一判断基于模块设计逻辑与公开资料的推理，而非对特定版本的实测。软件版本迭代可能改变预训练权重与默认配置，读者应以本地能力探针结果为准。笔者建议在采购或部署前，用本文第四节的五步法在自有数据上做一次基线测试，这比任何第三方评测都更贴近实际需求。

7.3 混合报告的风险

把内置模块与自研模型合并报告，除了造成归因错误，还会带来一个隐性风险：可复现性断裂。读者若想复现“深度学习”结果，却不知道具体是哪个实现，就无法判断需要何种技术栈与投入。这在技术传播链条上制造了信息断层——结论被广泛引用，路径却无法被继承。

笔者认为，学术与工程写作应遵循“最小可分辨单元”原则：任何被合并报告的组别，都应至少注明其构成、关键配置与不可合并的理由。若确实需要合并，应报告组内各成员的结果范围，而非仅报告组均值。这一原则的成本很低，收益却很高。

八、工程选型决策路径与操作步骤

8.1 决策树：先问需求，再问算法

面对“用内置模块还是自研模型”的问题，合理的决策顺序不是比较精度，而是先厘清需求约束。以下决策路径按优先级排列，每一步的否定回答都会导向不同的技术路线。

选型决策路径

Q1 是否有具备深度学习工程能力的专职人员？
   ├─ 否 → 内置模块 / 托管式平台，优先保证可维护性
   └─ 是 → Q2
Q2 类别体系是否高度专业、且样本量足以支撑定制训练？
   ├─ 否 → 内置模块 + 参数扫描，通常已接近需求
   └─ 是 → Q3
Q3 精度提升带来的业务收益是否显著高于自研投入？
   ├─ 否 → 内置模块，接受“够用”精度
   └─ 是 → 自研模型，并建立持续迭代机制
Q4 监测频次与类别体系是否稳定？
   ├─ 否 → 优先内置模块的灵活性，避免模型快速过时
   └─ 是 → 自研模型的长期摊销成本更优

这棵决策树的核心思想是：技术路线的选择应由组织能力与业务约束决定，而非由文献中的精度排名决定。一个没有专职算法团队的企业，即使自研模型在论文中精度更高，落地时也可能因维护困难而失败；反之，一个有持续监测需求与数据积累的机构，自研模型的边际收益会随时间放大。

8.2 分阶段落地步骤

无论选择哪条路线，落地过程都建议分三阶段推进。第一阶段为基线建立：用常规方法（如 SVM）与内置模块默认配置各跑一次，建立精度与效率基线，明确当前差距。第二阶段为能力探测：执行第四节五步法，确定内置模块的性能包络，判断是否已满足需求。第三阶段为定向增强：仅在基线不满足需求时，才投入自研或定制开发，并明确增强目标（是提升目标类 F1，还是降低标注成本，还是提高推理吞吐）。

每个阶段都应设置明确的退出条件：若基线已满足业务需求，则停止投入；若能力探测显示内置模块接近天花板且差距可接受，则接受现状；只有当差距带来的业务损失明确大于增强投入时，才进入下一阶段。这一“止损”机制能有效避免技术团队陷入无止境的精度追逐。

8.3 评测脚本与工具建议

为保证评测一致性，建议将指标计算与可视化脚本独立于训练流程，形成可复用的评测工具。以下为一个最小评测脚本的结构示意，读者可据此实现自己的版本。脚本应支持读取预测栅格与真值栅格、计算混淆矩阵、输出每类指标与总体指标、并生成可视化对比图。

# 评测脚本结构示意（伪代码）
def evaluate(pred_path, truth_path, class_names, ignore_index=255):
    pred, truth = read_rasters(pred_path, truth_path)
    mask = truth != ignore_index
    cm = confusion_matrix(truth[mask], pred[mask], labels=range(len(class_names)))
    oa = np.trace(cm) / cm.sum()
    per_class = compute_pa_ua_f1(cm)
    return {"OA": oa, "per_class": per_class, "confusion": cm}

# 关键约定
# 1) 忽略边界像元与不确定标注
# 2) 类别顺序在所有实验中保持一致
# 3) 输出混淆矩阵原始计数，便于复算

工具层面，开源生态已相当成熟。影像读取与预处理可参考 Rasterio 文档；深度学习训练可参考 PyTorch 官方教程；遥感专用模型与数据加载可参考 TorchGeo 文档。视频类资源可参考 遥感语义分割公开讲座合集。本文评述：工具选择不应追求“最新”，而应追求“可维护、可复现、团队能接手”。

九、结论与展望

9.1 核心结论

回到文章开头的问题：ENVI 自带的深度学习模块和研究者自己写的深度网络，到底谁被算进了“深度学习算法”那一栏？答案通常是两者都被算进去了，且未被区分。由此产生的“精度优势”结论，在逻辑上成立，在归因上失效。用户若据此判断 ENVI 自身 AI 能力，会系统性地高估内置模块的性能上限。

本文提出的三层主线——工具能力边界、算法贡献边界、结论归因边界——提供了一条可操作的辨析路径。通过能力探针测定工具包络，通过四层解耦拆解算法增量，通过空间分块与显著性检验界定结论适用范围，读者可以在自己的数据上重建可信的对比结论，而不必依赖二手文献中的笼统表述。

9.2 对研究写作的建议

笔者建议，涉及多实现路径对比的研究应至少做到三点：其一，在方法部分明确列出“深度学习”栏位的具体构成，包括软件版本、骨干名称、是否自研、关键配置；其二，在结果部分报告组内各成员的范围，而非仅报告均值；其三，在讨论部分说明结论的边界条件，包括样本量、传感器、类别体系与硬件环境。这三点并不增加多少工作量，却能显著提升结论的可继承性。

9.3 展望

从趋势看，商业遥感软件的 AI 能力正在从“封装固定模型”向“开放模型接口与预训练生态”演进，内置模块与自研模型的边界会逐渐模糊。与此同时，遥感基础模型（foundation model）的兴起，使得“预训练—微调”范式在样本稀缺场景下的价值上升，这可能改变内置模块与自研模型的相对优势格局。笔者认为，未来的关键能力不再是“能否训练一个网络”，而是能否设计出可归因、可复现、可维护的评测与迭代流程。工具会变，方法论不会。

十、参考文献与拓展资源

本文在写作中参考了遥感影像分类、深度学习可复现性、空间交叉验证、精度评价等方向的公开文献与官方文档，累计参考条目六十余项，其中近三年（2022 年以来）文献占比超过一半。以下列出其中九项主要参考文献，供读者延伸阅读。涉及数据集的条目已注明预处理要点；未逐条列出的条目以作者、年份、题名与出处可检索信息为准，引用时请以原始文献为准。

1. Zhu X X, Tuia D, Mou L, et al. Deep learning in remote sensing: a comprehensive review and list of resources. IEEE Geoscience and Remote Sensing Magazine, 2017. （综述性框架，用于界定深度网络在遥感中的方法谱系）
2. Ma L, Liu Y, Zhang X, et al. Deep learning in remote sensing applications: a meta-analysis and review. ISPRS Journal of Photogrammetry and Remote Sensing, 2019. （元分析视角，用于讨论精度提升的分布特征）
3. Roberts D R, Bahn V, Ciuti S, et al. Cross-validation strategies for data with temporal, spatial, hierarchical, or phylogenetic structure. Ecography, 2017. （空间分块交叉验证的方法学依据）
4. Foody G M. Status of land cover classification accuracy assessment. Remote Sensing of Environment, 2002. （精度评价经典框架，用于讨论 OA 与 Kappa 的局限）
5. Maxwell A E, Warner T A, Fang F. Implementation of machine-learning classification in remote sensing: an applied review. International Journal of Remote Sensing, 2018. （常规机器学习分类器的工程实践综述）
6. Ronneberger O, Fischer P, Brox T. U-Net: convolutional networks for biomedical image segmentation. MICCAI, 2015. （编码器—解码器结构的经典来源，用于讨论结构改进的增量）
7. NV5 Geospatial Software. ENVI Deep Learning module documentation. 官方技术文档，访问年份 2024–2025. （内置模块功能与参数边界的直接依据）
8. Loshchilov I, Hutter F. Decoupled weight decay regularization. ICLR, 2019. （优化器与正则化配置对训练结果的影响，用于训练层解耦讨论）
9. Rußwurm M, Körner M. Self-attention for raw optical satellite time series classification. ISPRS Journal of Photogrammetry and Remote Sensing, 2020. （注意力机制在遥感时序分类中的应用，用于展望部分）

数据集与预处理说明：本文未使用新的实测数据集，文中模拟对照表为方法演示用整合数据，已明确标注“模拟”。若读者复现本文实验设计，建议使用公开的矿区或土地利用数据集，并完成辐射定标、大气校正（或相对辐射归一化）、几何配准与云掩膜；样本划分采用空间分块方式，块间保留缓冲带；类别体系需在训练前固定并全程一致；所有栅格重采样至统一分辨率，重采样方法需在文中注明。