近日,我校測(cè)繪地理信息學(xué)院智能計(jì)算與遙感應(yīng)用實(shí)驗(yàn)室的付波霖副教授,在廣西巖溶濕地和紅樹(shù)林遙感領(lǐng)域取得重要研究進(jìn)展。相關(guān)研究成果分別以Multi-sensor and multi-platform retrieval of water chlorophyll a concentration in karst wetlands using transfer learning frameworks with ASD, UAV, and Planet CubeSate reflectance data為題發(fā)表在水色遙感領(lǐng)域國(guó)際頂級(jí)期刊《Science of The Total Environment》(中科院SCI一區(qū)Top,2023IF=9.8)上,以Quantifying scattering characteristics of mangrove species from Optuna-based optimal machine learning classification using multi-scale feature selection and SAR image time series為題發(fā)表在遙感領(lǐng)域國(guó)際頂級(jí)期刊《International Journal of Applied Earth Observation and Geoinformation》(中科院SCI一區(qū)Top,2023IF=7.5)上、以Combination of super-resolution reconstruction and SGA-Net for marsh vegetation mapping using multi-resolution multispectral and hyperspectral images為題發(fā)表在遙感領(lǐng)域國(guó)際權(quán)威期刊《International Journal of Digital Earth》(中科院SCI一區(qū)Top,2023IF=5.1)上。這些研究得到國(guó)家自然科學(xué)基金、廣西自然科學(xué)基金和廣西八桂學(xué)者團(tuán)隊(duì)等項(xiàng)目的共同資助,以桂林理工大學(xué)為第一完成單位。2023年以來(lái),付波霖副教授在巖溶濕地遙感和紅樹(shù)林遙感兩個(gè)研究方向均取得了一系列研究成果,以第一作者或通訊作者發(fā)表二區(qū)及以上SCI論文9篇,授權(quán)發(fā)明專(zhuān)利3項(xiàng)。
Multi-sensor and multi-platform retrieval of water chlorophyll a concentration in karst wetlands using transfer learning frameworks with ASD, UAV, and Planet CubeSate reflectance data 論文鏈接:https://www.sciencedirect.com/science/article/pii/S0048969723045886
該項(xiàng)研究利用地面實(shí)測(cè)高光譜數(shù)據(jù),首次系統(tǒng)解析了巖溶濕地水體的光譜反射率特性,理清了巖溶濕地水體Chla的敏感性光譜特征,對(duì)比論證了ASD、UAV和Planet三種傳感器平臺(tái)的葉綠素a估算性能,并創(chuàng)新性地提出了兩種多傳感器光譜特征組合策略和兩種巖溶濕地水體葉綠素a遷移學(xué)習(xí)反演框架,定量估算兩種策略對(duì)巖溶濕地水體葉綠素a濃度估算精度差異,并利用8種影像特征組合方案分別驗(yàn)證ASD實(shí)測(cè)高光譜遷移到UAV平臺(tái)、ASD實(shí)測(cè)高光譜+UAV影像遷移到星載Planet影像估算水體葉綠素a濃度的可行性,該研究成果為巖溶濕地的保護(hù)和可持續(xù)發(fā)展提供了科學(xué)依據(jù)。

Quantifying scattering characteristics of mangrove species from Optuna-based optimal machine learning classification using multi-scale feature selection and SAR image time series 論文鏈接:https://www.sciencedirect.com/science/article/pii/S1569843223002704
該研究聯(lián)合多光譜和SAR影像構(gòu)建多維數(shù)據(jù)集,對(duì)以北侖河口和茅尾海紅樹(shù)林保護(hù)區(qū)為研究區(qū),聯(lián)合多尺度特征變量選擇方法和Optuna參數(shù)優(yōu)化模型構(gòu)建一種自動(dòng)優(yōu)化的紅樹(shù)林種群分類(lèi)模型。在此基礎(chǔ)上,聯(lián)合時(shí)序的SAR后向散射系數(shù)、相干系數(shù)和極化分解參數(shù)定量探究不同紅樹(shù)林樹(shù)種的散射特性和主要散射機(jī)制。這項(xiàng)研究為微波遙感監(jiān)測(cè)紅樹(shù)林病蟲(chóng)害和長(zhǎng)勢(shì)監(jiān)測(cè)提供了研究基礎(chǔ)。

論文流程圖
Combination of super-resolution reconstruction and SGA-Net for marsh vegetation mapping using multi-resolution multispectral and hyperspectral images 論文鏈接:https://www.tandfonline.com/doi/full/10.1080/17538947.2023.2234340
該研究綜合利用超分辨率卷積神經(jīng)網(wǎng)絡(luò)(SRCNN)、超分辨率對(duì)抗生成網(wǎng)絡(luò)(SRGAN)和增強(qiáng)超分辨率對(duì)抗生成網(wǎng)絡(luò)(ESRGAN)首次對(duì)國(guó)產(chǎn)高分一號(hào)多光譜、珠海一號(hào)高光譜等進(jìn)行影像重建,定量評(píng)估了重建影像的光譜保真度和空間分辨率提升質(zhì)量?;谘邪l(fā)的一種新穎的SGA-Net深度學(xué)習(xí)分類(lèi)框架,檢驗(yàn)了三種超分辨率重建方法對(duì)沼澤植被的分類(lèi)性能。該研究成果可較好解決廣西乃至我國(guó)西南地區(qū)遙感影像光譜質(zhì)量差、空間分辨率低等問(wèn)題,具有較好的應(yīng)用前景。

論文流程圖