多尺度云识别
结合Swin Transformer与UPerNet，该模型在多种传感器和地表类型上实现了稳健的云检测，尤其擅长识别破碎、薄云和半透明云。
Shulin, Pang · Li, Zhanqing · 孙林 · 曹彪 · Wang, Zhihui · Xinyuan, Xi · Xiaohang, Shi · Jing, Xu · Wei, Jing
Remote Sensing of Environment 2026
模型在未微调情况下可处理光谱范围从可见光到热红外、空间分辨率从米级到公里级的多种传感器影像，无需为每个传感器单独训练。
模型在破碎云、薄云和半透明云上表现突出，尤其在城市、裸地等亮表面以及冰雪表面仍能保持可接受的精度。
与人工验证掩膜相比，云量估计差异在Landsat 8上为0.27%，在Sentinel-2上为-0.81%，偏差极小。