本研究提出了一种新型深度集成模型RicEns-Net，通过融合SAR、光学遥感和气象数据，显著提高了作物产量预测的精度。实验结果表明，该模型性能优于现有方法。

本研究提出了一种名为LBA-MCNet的显著对象检测器，旨在提高光学遥感图像中边界特征识别和前景背景建模的效率。该方法通过边缘特征自适应平衡调整和全球分布亲和学习模块，实现了更精确的目标定位和上下文建模，实验结果显示其在28种先进方法中表现优越。

本文提出了一种结合深度学习和高分辨率图像的城市树木检测与物种识别方法，旨在有效映射个体树木。研究利用卫星和航空图像分析土地利用变化，强调其在自然资源管理和应对气候变化中的重要性，并探讨了光学遥感图像的树冠检测技术及未来研究方向。

本文介绍了基于光学遥感和深度学习的船只检测技术，包括轻量级框架HSI-ShipDetectionNet和难度感知的边缘-云协同系统。这些方法在海洋物体检测中表现优异，显著提高了检测精度和效率，具有广泛的应用潜力。