MDPI 编辑荐读 | Remote Sensing 精选高引文章推荐
点击左上角“MDPI 开放数字出版”关注我们，为您推送更多最新资讯。
本期荐读，Remote Sensing 精选了5篇引用较高的优质文章 ，欢迎各位读者阅读赏析， 文章内容涵盖土地利用/土地覆盖、森林物种绘制、无人机、云层研究以及多光谱成像研究等方面。
#01
Spatio-Temporal Patterns of Land Use/Land Cover Change in the Heterogeneous Coastal Region of Bangladesh between 1990 and 2017
1990年至2017年期间孟加拉国异质性沿海地区土地利用/土地覆盖变化的时空格局
Abu Yousuf Md Abdullah et al.
https://doi.org/10.3390/rs11070790
图为流程图显示了这项工作的总体方法。
尽管对土地利用和土地覆盖 (LULC) 变化的详尽分析对于深入了解孟加拉国沿海地区人类与环境之间的关系至关重要，但由于无法获得高质量的遥感数据以及高水平的景观异质性数据，使得这一目的难以实现，目前对沿海LULC进行准确分类仍然是巨大挑战。为了解决上述困难，本研究利用公开的Landsat影像，采用机器学习中的XGBoost (eXtreme Gradient Boosting) 的信息特征选择和随机森林分类来分析阐明整个沿海地区28年间 (1990-2017) LULC的时空模式。研究表明，XGBoost特征选择方法有效地解决了图像数据中高景观异质性和光谱复杂性的问题，成功地提高了RF模型的性能 (提供了平均用户准确率>0.82)。
长按识别二维码，
查看文章详细内容。
#02
Forest Stand Species Mapping Using the Sentinel-2 Time Series
利用Sentinel-2时间序列绘制森林物种图
Ewa Grabska et al.
https://doi.org/10.3390/rs11101197
图为研究中使用的Sentinel-2时间序列的采集日期和所研究的森林实例。
准确的森林树种组成信息有助于森林管理及相关的科学研究。随着Sentinel-2的任务的启动，其空间、光谱和时间分辨率为绘制不同树种的植被图提供了新的可能。由于物候期引起的反射率变化，短的重访周期 (五天) 对植被测绘十分重要。此研究评估了Sentinel-2时间序列在波兰喀尔巴阡山复杂的混交林中绘制不同类型树种图的应用可行性。本研究使用了2018年的Sentinel-2时间序列影像绘制了9个树种图。研究中包含了18张影像，根据平均下降精度 (MDA)、平均下降Gini指标 (MDG) 以及时间语音模式分析选择Sentinel-2影像的不同组合。研究使用随机森林分类算法进行了树种判别。结果显示，使用Sentinel-2的时间序列影像相比选择独立日期的影像，可以大大改善了森林树种的映射，总体准确率约为5-10%。尤其是将春季和秋季的图像结合起来，可以更好地辨别物种。
长按识别二维码，
查看文章详细内容。
#03
Challenges and Best Practices for Deriving Temperature Data from an Uncalibrated UAV Thermal Infrared Camera
从未经校准的无人机热红外摄像机中获取温度数据的挑战和最佳实践
Julia Kelly et al.
https://doi.org/10.3390/rs11050567
图为根据本研究的结果和文献，对从未经校准的无人机TIR相机中获取稳健数据的建议。
测量表面温度的微型热红外 (TIR) 相机越来越多地被用于无人机 (UAVs)。然而，从这些相机中获得准确的温度数据并非易事，因为它们对其内部温度的变化非常敏感，而且低成本的模型往往没有经过辐射校准。本研究展示了实验室和现场实验的结果，这些实验测试了非辐射测量的FLIR Vue Pro 640的温度依赖程度。研究发现使用至少三个地面校准点进行简单的经验线校准，足以将无人机飞行期间拍摄的图像的相机数字转换为温度值。尽管相机在实验室稳定的条件下表现良好 (精度为±0.5 °C)，但如果无人机飞行期间受到风和温度漂移的影响，则精度下降到±5 °C。相机的自动非均匀性校正 (NUC) 不能充分校正这些影响。本文提出了一套无人机TIR相机采样的最佳做法，以减少这些系统的温度依赖性的影响。
长按识别二维码，
查看文章详细内容。
#04
Validation of Copernicus Sentinel-2 Cloud Masks Obtained from MAJA, Sen2Cor, and FMask Processors Using Reference Cloud Masks Generated with a Supervised Active Learning Procedure
使用主动、监督学习程序生成的参考云图，验证从MAJA、Sen2Cor和FMask处理器获得的哥白尼哨兵2号云图
Louis Baetens et al.
https://doi.org/10.3390/rs11040433
图为2017年11月18日，马拉喀什站点的参考掩码的可视化，Tile 29RPQ。云层以绿色勾勒，云影以黄色勾勒，水以蓝色勾勒，雪以紫色勾勒。
欧洲航天局 (ESA) 为欧盟的哥白尼计划开发的Sentinel-2卫星任务，对所有地球陆地表面进行了高分辨率的重复性多光谱观测。Level 2A 产品是许多Sentinel-2用户要求的基础产品：它提供经过大气校正后的表面反射率，带有云掩膜。云掩膜是进行哨兵2号数据自动处理的一个关键因素，因此，必须准确地验证其性能。为了验证Sentinel-2的2A级云掩膜，开发了一个名为主动学习云检测 (ALCD) 的软件，以产生参考云掩膜。ALCD方法的设计是为了最大限度地减少人类操作时间，这得益于人工监督的主动学习方法。经过训练的分类器使用光谱和多时间信息的组合作为输入特征并生成完全分类的图像。ALCD方法使用视觉标准、一致性检查进行了验证，并与另一个手动生成的云掩膜进行了比较，总体准确率高于98%。ALCD在10个不同的地点，不同的季节和云覆盖类型，创建了32个参考云掩膜，这些掩膜被用来验证三个Sentinel-2 2A级处理器产生的云掩膜。
长按识别二维码，
查看文章详细内容。
#05
UAV-Based High Throughput Phenotyping in Citrus Utilizing Multispectral Imaging and Artificial Intelligence
利用多光谱成像和人工智能进行基于无人机的柑橘高通量表型研究
Yiannis Ampatzidis et al.
https://doi.org/10.3390/rs11040410
图为无人机生成的柑橘地图的例子。(a) RGB地图；(b) RNB地图。。
传统的植物育种评估方法费时、费力、成本高。准确和快速的表型性状数据采集和分析可以改善基因组选择并加速栽培品种的开发。在这项工作中，利用小型无人机 (UAV)、多光谱成像和深度学习中的卷积神经网络开发了一种数据采集和图像处理技术，用于评估柑橘类作物的表型特征。这种低成本和自动化的高通量表型技术利用人工智能 (AI) 和机器学习 (ML) 来进行以下研究：(i) 探测、计数和定位树木和树木间隙；(ii) 根据树冠大小对树木进行分类；(iii) 开发用于评价单木健康程度的的健康指数；(iv) 评估柑橘品种和砧木。所提出的遥感技术能够在 4,931棵柑橘树丛中检测和计数柑橘树，精度和召回率分别为99.9%和99.7%，评估树冠大小总体精度为85.5%，检测、计算和地理定位树的间隙，精度和召回率分别为100%和94.6%。这种基于无人机的技术为评估柑橘品种和砧木的表型特征提供了一致性强、更直接、更具有成本效益且快速的方法。
长按识别二维码，
查看文章详细内容。
Remote Sensing 期刊介绍
主编：Prasad S. Thenkabail, USGS Western Geographic Science Center (WGSC), USA
期刊范围涵盖遥感科学所有领域，从传感器的设计、验证和校准，到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。期刊于今年6月收获了新的IF: 4.848，并于今年被三个新的Category收录：
Geosciences, Multidisciplinary (Q1)；
Environmental Sciences (Q2)；
Imaging Science&Photographic Technology (Q2)。
2020 Impact Factor | 4.848 |
2020 CiteScore | 6.6 |
MPT | 40 |
APT | 42.65 |
*MPT: Median Publication Time; APT: Average Publication Time
识别二维码，订阅Remote Sensing 期刊最新资讯。
往期回顾
MDPI化学材料
汇集MDPI 化学材料领域前沿研究成果。
MDPI 工程科学
MDPI 工程科学类学科平台，分享前沿科学进展。
版权声明：
本文内容由MDPI中国办公室编辑负责撰写，一切内容请以英文原版为准。如需转载，请邮件联系：
mdpicnmarketing@mdpi.com
由于微信订阅号推送规则更新，建议您将“MDPI开放数字出版”设为星标，便可在消息栏中便捷地找到我们，及时了解最新开放出版动态资讯！
点击左下方“阅读原文”，进入期刊主页。
喜欢本篇？让我们知道你“在看”吧！