EGU年会
奥地利丨维也纳
此次大会上，高翔博士在“利用时间序列遥感数据和地理空间技术应对当地的地球挑战”专题做“Improved Mapping of Perennial Crop Types Based on Patterns of Intra-Annual Variation in Land Surface Components”汇报，详细介绍了团队在多年生作物监测策略的研究进展。
为应对多年生作物监测存在的光谱相似性、环境及管理的复杂性等挑战，以及机器学习存在的“黑箱”问题，该研究从多年生作物的植被形态、物候和管理决定的独特的地表成分变化规律出发，构建了基于地表光谱端元空间年内变化模式的多年生作物类型统一制图策略。该策略可以从端元空间实现对多年生作物地表成分变化规律的统一表征和量化，并且可以实现复杂种植类型场景的高精度制图。相较于基于传统的光学指标和波段的制图精度，基于该研究的制图精度有显著的提高。此外，年内的端元时序可以很好的反映多年生作物的地表成分的交互变化，解析生物物理过程，并从中提取与表征生物物理过程知识，减少机器学习的“黑箱”问题。该策略有着很好的解释性和拓展性，在实现大规模多年生作物精确制图方面迈出了重要一步。
图文供稿 丨 高 翔
责任编辑 丨 李沂珊
统筹策划 丨 焦 心
