近日，地球科学与遥感领域顶级综述期刊《IEEE Geoscience and Remote Sensing Magazine》在线发表了昆明理工大学国土资源工程学院雷达干涉测量研究团队（团队负责人：左小清教授）教师布金伟课题组的最新综述研究成果，文章标题为“Machine Learning Methods for Earth Observation and Remote Sensing Using Spaceborne GNSS Reflectometry: Current status, challenges, and future prospects”（利用星载GNSS-R进行地球观测和遥感的机器学习方法：现状、挑战和未来前景）。昆明理工大学为第一作者单位和通讯作者单位，布金伟为论文第一作者和通讯作者，在读硕士生李欢为论文第二作者和共同通讯作者。中国矿业大学余科根（Kegen Yu）教授、加拿大纽芬兰纪念大学黄为民（Weimin Huang）教授、昆明理工大学左小清教授、在读硕士生籍超颖、刘馨雨，本科生汪秋兰、王琦涵、王梓逸、何明昊、范绍强、谢佳溪、杨慧，中国矿业大学在读博士生林贻若为论文合作作者。

文章系统地回顾和组织了星载GNSS-R领域各种机器学习方法的最新进展，涵盖了这些方法的核心理论、基本原理和数学模型，为机器学习和GNSS-R的交叉提供了全景认知框架。首次全面回顾了基于星载GNSS-R的机器学习技术在多域遥感中的广泛应用，包括海洋监测、陆地生态系统观测、冰冻圈变化动态监测等传统领域，以及智能农业和灾害预警等新兴领域。它揭示了独特这些技术在多源异构数据处理中的优势和潜力。对星载GNSS-R与机器学习交叉的应用现状进行了深刻总结，并提出了未来的发展趋势和挑战，特别是大数据、深度学习和多物理环境相互作用的综合遥感模型。还讨论了这些机器学习模型在促进全球环境监测和应对气候变化方面的关键作用和前景。通过这一系列贡献，文章为星载GNSS-R遥感技术的未来发展提供了深刻的理论指导和应用参考。

关键图表

图1. 星载GNSS-R卫星的发展历程和详细信息

图2. 基于星载GNSS-R研究领域内的主题关联

图3. 基于文献统计获得的机器学习方法在星载GNSS-R各个应用领域中的占比情况

图4. 文章中常见机器学习方法原理图总结

该研究得到了国家自然科学基金青年科学基金、云南省基础研究计划项目、昆明理工大学高层次人才平台建设项目和云南省重大科技计划项目、国家级大学生创新创业训练计划项目、云南省大学生创新创业训练计划项目、昆明理工大学学生课外学术科技创新基金项目等科研项目的资助。

链接：https://ieeexplore.ieee.org/document/10930745

（供稿：国土资源工程学院）