《IEEE Geoscience and Remote Sensing Magazine》：IEEE GRSS UESTC Student Branch Chapter: Review and Outlook at the Annual Academic Conference [Remote Sensing Activities in China]
编辑推荐：
提供可能对从业者和研究人员感兴趣的社会信息，包括新闻、评论或技术笔记。二十多年来，IEEE地球科学与遥感学会（GRSS）的图像分析与数据融合（IADF）技术委员会（TC）组织了年度数据融合竞赛（DFC）。DFC是推动从大规模、多传感器、多模态和多时相数据集中提
提供可能对从业者和研究人员感兴趣的社会信息，包括新闻、评论或技术笔记。二十多年来，IEEE地球科学与遥感学会（GRSS）的图像分析与数据融合（IADF）技术委员会（TC）组织了年度数据融合竞赛（DFC）。DFC是推动从大规模、多传感器、多模态和多时相数据集中提取地理空间信息的主要全球平台。通过引入复杂的问题设置和高质量的基准数据集，该竞赛不断推动遥感图像分析的边界。为契合这一持续努力，研究人员欣然推出2026年DFC，该竞赛挑战参与者开发利用高分辨率商业合成孔径雷达（SAR）数据的创新解决方案。星载SAR的快速发展改变了地球观测，实现了全球、全天候、昼夜监测，时间密度不断提高。虽然光学影像提供可解释且直观的视觉细节，但受云层和光照限制。SAR无论天气或光照条件如何都能提供一致的测量，特别适合追踪细微地表变化、动态过程和快速环境事件。特别是商业SAR卫星系统改变了此类影像的使用方式。这些星座能够提供亚米级影像，具有灵活的任务调度和快速重访时间。然而，传统大型SAR系统针对重复轨道几何和一致采集进行了优化，而商业SAR系统优先考虑基于任务的、事件驱动的采集，导致时间堆栈中采集几何的变异性更大。这些时间堆栈可能密集采样，但通常在成像模式、入射角、观测方向和轨道几何方面表现出显著差异，因此需要发展处理时间监测问题的方法。虽然几何变异性使时间分析复杂化，但也带来新的机遇。时间密度和观测多样性的增加提供了更丰富的信息密度，可被现代分析方法利用。2026年DFC由IADF TC和Capella Space组织，旨在促进开发解决商业高分辨率SAR数据实际运行挑战的创新方案。为此，竞赛数据集包括密集采样的、可进行干涉SAR（InSAR）处理的X波段超高分辨率SAR影像时间堆栈，这些影像涵盖多种成像模式和观测几何。首次大规模提供来自商业星座的密集高分辨率InSAR兼容SAR数据时间堆栈，为在保持对采集多样性鲁棒性的同时利用时间丰富性的方法提供了独特测试平台。参与者将提交简短描述，概述其方法、关键见解和使用竞赛数据集获得的结果。目的是鼓励创造性地使用全球分布的InSAR时间序列，并展示能够推进长期SAR干涉观测解释和利用的技术。描述最佳参赛作品的科学论文将被纳入2026年IEEE国际地球科学与遥感研讨会（IGARSS）技术程序；在特邀会议“IEEE GRSS数据融合竞赛”上展示；并发表在IGARSS 2026论文集中。此外，组织者和竞赛获胜者将共同在IEEE应用地球观测与遥感专题期刊（JSTARS）上发表一篇科学文章，更详细地描述获胜方法。
《IEEE地球科学与遥感杂志》（IEEE Geoscience and Remote Sensing Magazine）近期报道了2026年IEEE GRSS数据融合竞赛（Data Fusion Contest，DFC）的概况。该竞赛由IEEE地球科学与遥感学会（GRSS）图像分析与数据融合技术委员会（IADF TC）与Capella Space公司联合组织，旨在应对商业高分辨率合成孔径雷达（SAR）数据在时序分析中面临的新挑战。
研究背景方面，DFC已成功举办二十多年，是推动大规模、多传感器、多模态、多时相地球空间信息提取的全球性平台。近年来，星载SAR系统实现了全球、全天候、昼夜观测，特别是商业SAR星座能够提供亚米级影像、灵活任务规划和快速重访能力。然而，与传统大型SAR系统优化重复轨道几何不同，商业SAR系统多采用任务驱动、事件驱动采集，导致时间堆栈中存在成像模式、入射角、观测方向和轨道几何的显著差异。这种几何变异性虽然给时间分析带来困难，但也带来了更丰富的时间密度和观测多样性，为现代分析方法提供了新机会。因此，需要发展对采集多样性鲁棒、能充分利用时间丰富性的新算法。2026年DFC正是为此而设立，目标是促进开发应对商业高分辨率SAR数据实际运行难题的创新型解决方案。
研究人员在竞赛中提供了独特的数据集：来自Capella Space卫星星座的密集采样X波段超高分辨率SAR影像时间堆栈。该数据集首次大规模公开商业星座的高分辨率InSAR兼容SLC（单视复数）时间序列，覆盖全球多个地区，包含多种成像模式和观测几何。数据包括SLC产品、地理编码产品、复杂相位历史数据以及椭球校正地理编码产品，支持干涉分析、时序形变研究、单影像三维检索以及模式生命与活动表征等研究。竞赛采用单阶段模式，参赛者利用公开数据自由设计方法，提交文档阐述方法、关键洞察与结果，由评审委员会依据技术正确性、原创性、洞察力、实用性、数据集利用效率、计算可扩展性、表达清晰度、可视化质量以及代码可复现性等维度进行评选。前四名团队将获得奖励，并在2026年IGARSS特邀“IEEE GRSS数据融合竞赛”分会场报告，论文收录于IGARSS 2026论文集；同时与组织者合作在JSTARS期刊发表开放获取论文，相关费用由GRSS支持。
在结果方面，该文章详细介绍了竞赛的各个关键环节。竞赛阶段（Competition Phases）：竞赛为单阶段，参赛者在数据发布后自由探索并提交方法描述，评审后公布四名获胜者，随后进入论文撰写与IGARSS2026发表流程。数据集（The Dataset）：数据集由Capella Space采集，包含密集时间堆栈的X波段超高分辨率SAR影像，强调真实运行多样性而非合成基准。数据集概述（Dataset Overview）：数据旨在支持时序分析、变化检测、目标/活动理解与机器学习SAR分析，特别关注鲁棒性和泛化能力。分析可能性（Analysis Possibilities）：SLC产品可配对形成InSAR兼容时间堆栈，用于干涉变化分析和时序形变研究；长驻留高分辨率聚束模式支持单影像三维信息提取；多时相堆栈可用于模式生命和活动特征描述。数据产品与元数据（Data Products and Metadata）：提供约1582次独立采集，部分区域堆栈深度超过50影像，可产生超过17000对组合；产品类型包括SLC、地理编码、复杂相位历史和椭球校正地理编码；CSV元数据详细记录采集时间、平台、极化、成像模式、入射角、轨道方向等参数。提交与评估（Submission and Evaluation）：参赛者提交包含目标、方法、结果和可视化的文档，评审标准涵盖科学性、原创性、洞察力、实用性、数据利用、计算效率、表达质量、可视化水平和可复现性。数据获取（Accessing the Data）：数据通过亚马逊S3公开存储桶发布，用户可通过STAC目录、交互式地图或编程方式无认证访问。结果、奖项与奖励（Results, Awards, and Prizes）：前四名队伍需公开代码，将在IGARSS 2026展示成果、出版论文并获IEEE证书，同时与组织者共同撰写JSTARS开放获取文章；数据在竞赛后继续向GRSS社区开放，以支持后续算法基准测试与研究。
讨论部分指出，商业SAR采集几何的多样性既是挑战也是机遇，密集时间采样和多种观测视角提供了更丰富的信息密度，创新方法可以充分利用这一特性。竞赛鼓励参与者将地理背景（如土地覆盖、基础设施、环境条件）融入分析与解释，以增强结果的现实价值。研究结论方面，2026年DFC提供了一个覆盖全球、密集采样的商业高分辨率InSAR兼容SAR数据集，为开发能够应对采集几何差异且具备鲁棒性的时间序列分析方法提供了独一无二的测试平台。通过该竞赛，研究人员期望推动长期SAR干涉观测的解释与利用，并促进相关方法在IGARSS与JSTARS等学术渠道的传播，最终服务于更加广泛的地球观测应用。
