AI与地理信息
从光谱指数到人工智能：冰川制图遥感方法综述
完整中文导读
这篇综述梳理了冰川制图遥感技术的演进，从传统光谱指数发展到当前最先进的机器学习和深度学习模型。文章分析了归一化积雪指数（NDSI）等指数的计算效率、随机森林（RF）等机器学习算法的分类能力，以及 U-Net 及其变体在冰川语义分割中的表现，指出该领域正走向自动化、数据驱动的方法。
论文资料与摘要整理
整理依据：原始摘要与元数据；未据此展示论文全文
From Spectral Indices to Artificial Intelligence: A Review of Remote Sensing Methodologies for Glacier Mapping
作者：Ahmed Elzein；Mohammad Jawed Nabizada；Ahmad Farid Nabizada；Mohamed Freeshah
刊物：Remote Sensing
出版时间：2026-05-10
DOI：10.3390/rs18101496
研究方法
对光谱指数、机器学习与深度学习方法的综述性分析（基于摘要）
研究对象
冰川制图遥感方法（基于摘要）
主要发现
方法从光谱指数演进到机器学习与深度学习，U-Net 及其变体在冰川语义分割中表现突出，趋势为自动化数据驱动；主要瓶颈是缺乏标准化高分辨率训练与验证数据、模型架构依赖集中、研究精度与业务化实时监测存在差距（基于摘要）
材料局限
材料仅提供摘要，未提供全文细节；原文指出真值数据缺乏、模型架构单一、业务化应用不足等局限（基于摘要）
本文为来源内容的中文摘要与整理，不代表原文全文翻译。完整信息请查阅来源原文。