《Remote Sensing》：State-Space-Based Mamba and Convolutional Neural Network Integration for Anthropogenic Geomorphic Feature Extraction from Land Surface Parameters
编辑推荐：
从LiDAR衍生的地形数据中准确且可扩展地提取地貌特征对于环境监测、土地利用规划和地质灾害评估至关重要。最近的深度学习进展引入了状态空间模型（state-space models, SSMs），例如Mamba，它能够以线性复杂度捕获广泛的空间依赖性，并为传统的
从LiDAR衍生的地形数据中准确且可扩展地提取地貌特征对于环境监测、土地利用规划和地质灾害评估至关重要。最近的深度学习进展引入了状态空间模型（state-space models, SSMs），例如Mamba，它能够以线性复杂度捕获广泛的空间依赖性，并为传统的卷积神经网络（convolutional neural network, CNN）或基于Transformer的方法提供了替代方案。本研究评估了基于Mamba的架构在三种地貌类型（农业梯田、矿台阶和山谷填筑面）上的地貌分割性能。使用高空间分辨率的地形衍生变量（即地表参数，land surface parameters, LSPs）作为输入特征空间，研究人员比较了纯Mamba-UNet、具有Mamba编码器和CNN解码器的混合架构，以及基于CNN的基线UNet（带有ResNet-34编码器），每种模型都使用冻结和未冻结的编码器进行训练。结果表明，没有单一架构在所有任务中表现最佳；然而，混合Mamba-CNN架构总体上提供了最一致的表现，改善了需要广泛空间上下文的任务的空间连续性和内部特征恢复，尽管其相对于基线UNet的优势是适度的且依赖于任务，并且边界级分析表明，基于CNN的配置最精确地描绘了特征边缘，而随机初始化的UNet仍然具有很强的竞争力，并在某些任务上取得了最强结果。此外，基于Mamba的编码器收敛速度快，并且在冻结时保持强性能，而基于CNN的UNet则更多地从编码器微调中受益。
**论文解读：基于Mamba与CNN混合架构的LiDAR人为地貌特征提取研究**
**研究背景与问题**
高精度地貌特征提取对于环境监测、土地利用规划和地质灾害评估具有重要意义。传统基于LiDAR（光探测与测距）衍生的数字地形模型（DTM）及其地表参数（LSPs）进行地貌分割的方法中，卷积神经网络（CNN）因其局部特征建模能力强而被广泛采用，但CNN受限于局部感受野，难以捕获长距离空间依赖，尤其是在处理细长或不规则地貌（如梯田、矿台阶）时表现不足。近期，Transformer模型通过全局注意力机制改善了上下文建模，但其二次计算复杂度限制了大规模高分辨率遥感数据的应用。新兴的状态空间模型（SSMs），如Mamba架构，以线性复杂度编码全局空间依赖，同时保持高效性，但在地貌映射领域的应用尚未被探索。因此，研究人员系统评估了基于Mamba的纯架构、混合架构与传统CNN架构在从LiDAR衍生的LSPs中提取人为地貌特征（农业梯田、矿台阶、山谷填筑面）上的性能，以填补这一空白。该论文发表在《Remote Sensing》。
**主要技术方法概述**
研究人员使用了三个公开数据集：农业梯田数据集（terraceDL）、矿台阶数据集（mineBenchDL）和山谷填筑面数据集（vfillDL），均来源于美国阿巴拉契亚和中西部地区的LiDAR衍生DTM，通过1米分辨率多波段LSP复合（包括50米环形窗口地形位置指数（TPI）、坡度平方根、2米内半径5米外半径环形窗口TPI）作为输入特征空间，每个数据集包含1000个512×512像素的训练芯片（其中800个含正类像素，200个全背景），并采用地理分区确保训练、验证和测试的空间独立性。研究方法包括三种架构：纯Mamba-UNet（全视觉Mamba编码器-解码器）、混合Mamba-UNetC（Mamba编码器+CNN解码器）和基线CNN UNet（ResNet-34编码器），每种架构均测试随机初始化和ImageNet预训练，并评估冻结与微调编码器的效果。训练采用focus Tversky损失函数（针对不同架构参数化不同），AdamW优化器，50个epoch，数据增强仅限水平/垂直翻转。评估指标包括正类F1分数、精度、召回率、总体精度（OA）和边界交并比（Boundary IoU），并记录了参数量、FLOPs和MACs以衡量计算效率。
**研究结果**
**4.1 训练动态与验证趋势**
通过验证F1分数曲线发现，Mamba-based模型（尤其是Mamba-UNet和Mamba-UNetC）在多数数据集上收敛更快且损失更低，但随机初始化的UNet在农业梯田上取得了最高且最稳定的验证F1分数，而Mamba-based模型在矿台阶上波动较大，表明初始化策略对模型影响显著。
**4.2 测试集性能与统计稳健性**
测试集结果表明，无单一架构在所有任务中占优。混合Mamba-UNetC（ImageNet预训练，未冻结编码器）在矿台阶上取得最高F1分数（0.6002），且在农业梯田和山谷填筑面上也表现稳定（F1分别为0.5208和0.6762），提供最一致的整体性能。随机初始化的UNet在农业梯田（F1=0.5264）和山谷填筑面（F1=0.6808）上取得最高F1分数，且竞争性很强。Mamba-based模型普遍召回率更高，而CNN-based模型精度更高。通过10次70%测试子样本重采样分析，验证了这些排名模式的统计稳健性，同时OA因背景像素主导而信息量低。
**4.3 空间预测质量的视觉评估**
视觉对比显示，对于细长特征（农业梯田、矿台阶），Mamba-based模型（尤其是Mamba-UNetC）恢复的线条更连续、更完整，减少了碎片化；而CNN UNet（随机初始化）在边界清晰度上表现更好，但有时遗漏弱特征。对于山谷填筑面，Mamba模型内部覆盖更完整，但CNN UNet边界更紧凑。边界IoU量化分析进一步证实：CNN-based配置在农业梯田上边界IoU最高（0.379），而Mamba-based配置的边界IoU较低（0.176-0.233），但其区域IoU较高，表明Mamba模型在内部恢复上占优，CNN在边界精度上占优。
**4.4 模型效率**
计算效率分析显示，纯Mamba-UNet最轻量（冻结时5.37M参数，374.19 GFLOPs），而混合Mamba-UNetC和UNet计算量相当（约1.61 TFLOPs），但Mamba-UNetC在多数任务上性能更优，表明其性能-复杂度比更佳。UNet在冻结编码器时性能显著下降，而Mamba-UNet在冻结时仍保持竞争力。
**讨论与结论**
讨论部分总结了六项主要发现：混合Mamba-UNetC提供最一致性能；Mamba模型优化更快但损失低不一定代表高测试F1；随机初始化对Mamba模型伤害更大，而冻结编码器对UNet伤害更大；特征形态影响模型选择，细长特征适合Mamba，紧凑特征适合CNN；子采样分析确认结论稳健；计算效率分析显示Mamba模型更高效。研究还指出，损失函数参数化需针对架构定制，以及ImageNet预训练与地形数据的匹配问题。结论部分翻译如下：本研究评估了Mamba-UNet、UNet和混合Mamba-UNetC架构在从LiDAR衍生的LSPs中提取农业梯田、矿台阶和山谷填筑面三种地貌特征的表现。无单一架构在所有任务中最佳；随机初始化的UNet在农业梯田和山谷填筑面上取得最高正类F1分数，并在矿台阶上保持竞争力。ImageNet预训练的Mamba-UNetC提供了跨数据集最一致的性能，结合了有效的长距离空间上下文建模与强空间预测质量，但其相对于基线UNet的优势是适度的且依赖于任务。特征形态强烈影响相对模型性能：对于细长、空间连续目标（梯田和矿台阶），Mamba-based模型通常提供更完整和连续的勾勒，与其更高的召回率和弱特征恢复能力一致。随机初始化对Mamba-based模型伤害更大，而冻结编码器对UNet伤害更大（尤其是ImageNet预训练时）。当目标是最大化跨多样地貌目标的分割可靠性且计算资源允许时，Mamba-UNetC是强默认选择，但其优势是适度的且依赖于任务。当精确边界勾勒是首要目标（尤其是细长特征）时，CNN-based UNet配置仍是最强表现者。在资源受限场景中，Mamba-UNet因其竞争性性能和更少的训练参数与计算成本而成为有吸引力的替代方案。总体而言，本研究证明了Mamba-based架构是LiDAR地貌映射的有前途方向，将Mamba编码器与CNN解码器结合可在全局空间推理与局部特征恢复之间提供有效平衡，而边界级评估表明CNN-based配置在边缘描绘上仍最精确。
