|||
新一期资源整理。
1.遥感变化检测相关资源。
awesome remote sensing change detection
2.计算机组成原理流水线资源。
3.R语言包salmix,用极大似然方法拟合时间序列数据的概率分布。
4.实现地球动图的代码与说明。
5.R语言版本rsample,用于创造和综合不同类型的重采样对象。
6.使用NGINX在HTTPS (DoH/DoT网关)和GSLB进行域名系统配置的示例。
7.漂亮和好用的Mac系统上的Redis的数据库管理应用。
8.另一个快速,更好更稳定的redis数据库桌面应用,可以在Linux,Windows和Mac系统上编译。
9.Vesper(物种库可视化)是一个可视化的集合,用于检查达尔文核心档案文件(DWCAs),包括分类、地理和时间视图。
10.使用Jupyter notebook和Jekyll创建一本在线书籍。
11.文献引用格式文件。可以用于Latex的CSL文件。
12.Python里的统计气候降尺度实现。
13.这是2019年IAML第二次(分级)作业的资料库。
14.R语言包leafgl,用于leaflet的快速webgl渲染。
15.GhostNet的Pytorch实现。CVPR2020的相关论文代码。
16.生成大规模的图结构数据。
17.介绍用Python做地理数据分析。
18.将静态的超文本标记语言页面转换成实时文档。
19.关于地理计算你必须知道的52件事。
20.轻松截图,并为glTF 2.0二进制(GLB)文件创建缩略图,一个命令行工具。
21.GEOS矢量空间库,可以用rgeos。
22.R语言包geom,地理矢量数据。
23.提供地理矢量处理引擎的库。
24.在R中使用AppVeyor的工具。
25.为pangeo依赖项构建conda元数据包。
26.Python的浏览器自动化库。比Selenium更简单。
27.Python pandas的扩展库,实现pandas数据库的describe函数。
28.从pandas数据框架对象创建HTML分析报告。
29.吴秋生老师开发的开源遥感数据处理软件Whitebox的ArcGIS工具。
30.Xview2挑战赛的第二名解决方案。
31.R包的系统要求。
32.基于令牌的身份验证,用于在shiny应用程序和远程应用程序之间进行通信。
33.2020 MagIC研讨会的PmagPy Demag GUI教程。
34.用于优化软件的带安全线程的受限和无约束测试环境。
35.掠夺性学术期刊和出版商列表。
stop predatory journals.github.io
36.Python教程的额外材料、练习和示例项目。
37.使用0(1)内存的快速稳定排序算法。
38.最差时间内稳定的排序。
39.Python库meshio,多种网格格式的输入输出。
40.R语言包eplusr,全建筑能源模拟工具Engerplus的R工具。
41.记录自己做的点点滴滴pdf。
42.CVPR 2020会议论文,用图神经网络实现点云数据的3D对象监测。目前还只有README,后续会推出。感兴趣的同学可以follow。
43.本教程描述了ICESat-2项目将产生的一些(计划中的)高级数据产品。这个仓库是高程变化。
44.R语言包plusraster,plusraster的目标是在ggplot2中快速绘制栅格数据。
45.ICLR 2019会议胶囊神经网络的PyTorch实现。
46.R语言包amt,amt的目的是通过提供简化常见任务的功能,使动物测量数据的处理和分析变得更容易,例如数据过滤、路径特性和起始范围的计算,以及为更复杂的分析准备数据(例如,步长选择功能等)。
47.用ggplot2绘制任何东西的研讨会材料。
48.R语言包colorist,野生动物时空分布的着色和可视化。
49.R语言包unitizer,交互式单元测试。
50.纽约时报今天问什么问题?受此启发的Twitter机器人,每隔10分钟检查一次Times Wire API是否有新问题。使用Python,tweepy和Heroku。
51.R语言包shinydashboardPlus,shiny仪表盘的拓展工具。
52.用github进行教学的资源。
53.使用spaCy的高级自然语言处理——一门在线课程。
54.漏斗图实现。
55.部署Ghost最简单的方法是使用我们官方的Ghost(专业版)托管服务。您只需点击几下鼠标,就可以启动并运行一个全新的实例,全球CDN、备份、安全和维护都可以为您完成。
56.llvm2graphml是一个工具,它可以帮助您使用图形数据库交互式地探索LLVM Bitcode。
57.用QT开发的多平台Git客户端。
58.numpy的机器学习。
59.NeurIPS 2019会议论文’Differential Privacy Has Disparate Impact on Model Accuracy’代码。
differential privacy vs fairness
60.数据工程项目。包括数据建模、云基础设施设置、数据仓库和数据湖开发。
Udacity Data Engineering Projects
61.用于构建数据湖、数据仓库和分析平台的端到端数据读取数据流水线。
62.对于机器学习研究者的轻量级Pytorch接口。
63.多维迭代最近点法的Python实现。
64.DeepSpeed是一个深度学习优化库,它使分布式培训变得简单、高效和有效。
65.PyData社区中基于引导的sphinx主题。
66.在训练时使用模板的csv展示每个方法和指标的分类成功率的代码。
67.为笔记本和dask工作人员测试运行单独的镜像。
68.Google Earth Engine操作的独立工具。
69.PostgreSQL操作符在数据库内创建/配置/管理PostgreSQL集群。
70.Esri.Esri CityEngine的Procedural Runtime的Python接口。
71.Pytorch会议快速代码指南。
pytorch lightning conference seed
72.数据驱动的天气预报基准数据集。
73.机器学习的在线数学资源。
74.R语言包runcharter,多个指标或位置的数据分面显示的自动运行图分析。
75.R语言包downloadthis,Rmarkdown实现下载按钮。
76.遥感论文资源。包含机器学习,深度学习,图像分割,影像目标检测,指标,变化检测,地表温度,时间序列与趋势分析和工具相关的文章。
77.用PyTorch构建全功能计算机视觉模型。
78.使用Landsat卫星影像和Google Earth Engine为奥卡万戈三角洲绘制年度洪水地图。
藻华和由此引起的水质恶化已经威胁到内陆湖泊的环境健康。这项研究调查了加利福尼亚州最大的内陆水域萨尔顿海中石膏花的时空动态。根据Terra星的MODIS数据,在2000–2018年期间提出了一种创新的石膏花指数(GI),用于检测石膏花。在使用色相,饱和度和值(HSV)颜色模型绘制的石膏花的水域中,观察到了变色(从绿色到红棕色)。我们发现:(1)地理信息系统能够以相对较高的准确度(85%)有效地绘制索尔顿海中的石膏花。 (2)在夏季(八月和九月)观察到最大的石膏花期,在2003年,2005年,2006年,2016年和2018年,石膏花期持续40天以上; (3)2003年至2018年,石膏花富集的水域从湖中心向东南岸转移,石膏花出现的频率自2008年以来显着增加。同时,西北和东南湖之间的时空差异增加在观察期内; (4)石膏花富集的水域平均发生变色,持续时间为14天,在2002年,2016年和2018年,变色时间更长(超过20天)。海洋为索尔顿海的实际管理和修复提供了宝贵的信息。推荐一篇学弟的论文,目前在中科院南京湖泊所湖泊水色遥感团队攻读硕士。本篇文章基于MODIS卫星数据提出了一种新的石膏花指数(GI),可以有效分析和检测石膏花的时空动态。可以为水色遥感和湖泊管理修复提供信息。
短期暴露于空气污染已与哮喘等呼吸系统疾病的恶化相关。在先前的研究之间已经观察到效果估计存在很大的异质性。本研究旨在量化中等城市哮喘儿童每日哮喘症状的局部负担。在荷兰埃因霍温市的高分辨率城市空气质量传感器网络中,使用最接近的传感器估算了空气污染暴露。暴露响应函数的贝叶斯估计是通过使用每日日记通过来自小组研究的数据更新来自荟萃分析的先验信息而获得的。五个孩子参加了小组研究,获得了总计400条每日日记记录。观察到NO2与下呼吸道症状和药物使用之间呈正相关。仅使用专门小组研究的数据(先前无信息),任何下呼吸道症状的当日比值均为当日NO2浓度每10μggm-3表示的1.07(95%C.I. 0.92,1.28)。干咳和痰的几率接近1。关联模式与最新的荟萃分析非常吻合。 LRS的荟萃分析随机效应汇总估计为1.05(1.02,1.07)。当添加来自荟萃分析的先验信息时,可信区间显着缩小。先天性信息丰富的下呼吸道症状的比值比是1.06(0.99,1.14)。疾病图的负担显示,从回归克里格模型得出的与环境NO2相关的哮喘症状的数量具有很强的空间变异性。在埃因霍温市,每天总共有70例哮喘症状与NO2暴露有关。我们得出结论,贝叶斯估计可用于估计特定的局部空气污染影响估计以及随后的局部疾病负担计算。通过高分辨率的空气质量网络,评估了邻里特定的哮喘症状负担。来自目前课题组刚毕业的师姐论文。基于NO2暴露,结合Meta分析,贝叶斯分析分析短期儿童哮喘的疾病负担。利用贝叶斯在空气污染的基础上更进一步估算疾病负担,是结合空气污染,时空统计与健康地理的一个不错的案例研究。
城市发展伴随着严重的变暖影响以及空气污染浓度的相应增加,因此许多城市都实施了增长管理,以最大程度地减少“蔓延”及其对环境的影响。但是,控制增长量是昂贵的。因此,在本文中,我们将重点放在城市变暖上,并研究具有气候意识的城市增长规划(CUGP),即规模相同但空间布局优化的城市增长是否带来了显着的缓解效果。首先,经典的空间多目标土地利用优化(SMOLA)模型是通过整合土地利用及其变暖影响之间空间,昼夜和成分变化的关联来改进的。然后,我们使用非支配的遗传算法(NSGA-II)求解改进的模型,以在不减少城市增长量的情况下,以最小的变暖影响和最小的变化成本生成城市增长计划。结果表明,与中国深圳的无计划城市发展相比,具有气候意识的城市发展带来的变暖影响减少了33.3±4.6%,并暗示了一种紧凑且空间均等的发展模式。这项研究提供的证据表明,诸如CUGP之类的空间规划工具可以帮助减轻人类对环境的影响。同时,改进的SMOLA模型可用于平衡城市发展和其他环境后果,例如空气污染。来自香港中文大学黄波老师团队的研究成果,利用模型结合城市增长模型模拟在考虑气候变化影响下的城市发展规划是否能够缓解城市变暖的问题,这是一项在深圳进行的案例研究。这是一个非常有意思的研究,糅合了多个时空GIS模型,包含土地利用优化,城市增长以及环境模拟。同时这个方法也可以应用到其他环境问题上。
4.Digital Earth 2020: Towards the vision for the next decade/Digital Earth 2020:迈向下一个十年的愿景
该立场文件是由国际数字地球协会(ISDE)于2011年3月在北京举办的集思广益研讨会的成果。该论据认为,13年前副总统阿尔·戈尔(Al Gore)提出的数字地球(DE)愿景需要 此后,我们将根据信息技术,数据基础结构和对地观测领域中的许多发展情况,对它们进行重新评估。 本文确定了DE发展的主要政策,科学和社会驱动因素,并以一些潜在的应用示例说明了DE奠定基础的新愿景的多面性。 由于没有任何一个组织能够独自开发DE的所有方面,因此至关重要的是在全球范围内开展一系列合作以使本文概述的愿景变为现实。研讨会成果,对于数字地球的未来提出了一些关键性的方向和相关内容,对于数字地球研究者和从业者有非常好的导向作用。数字地球自提出到现在已经是12年了,按中国人的说法就是一个生肖轮回。从数字地区走向智慧城市,可能是目前众多研究者的共识。但是从目前来看ICT信息基础设施以及集成数据的数据处理中心,仍然有很多缺口。同时真正落地的智慧城市项目十分有限。
树木结构参数(如胸高(DBH)直径,身高和树冠描述符)对于评估森林生态系统中的树木材积和生物量至关重要。破坏性测量是估计树木高度和材积的最准确方法。但是,在最近的过去,LiDAR技术的进步使我们能够以精确的3D描述看待树木。这项研究的主要目的是从3D地面LiDAR(TLS)数据中提取不同的树木参数(即DBH,高度和树木体积),然后根据手动破坏性测量评估其准确性。在多扫描模式下扫描大约五棵树,并进行破坏性采样测量。使用基于圆的随机样本共识(RANSAC)和基于圆柱的定量结构模型(QSM)等拟合方法分别从3D点云中提取DBH和材积。结果表明,基于TLS的变量,例如DBH(R2 = 0.995),高度(R2 = 0.998)和体积(R2 = 0.958)与手动测量非常吻合。平均而言,五棵树的树木材积偏差为手动测量的约5.13%。研究结果表明,基于TLS的测量是获得树参数而不破坏树的便捷方法之一,并且精度相同。LiDAR在森林材积和生物量估算的意义说明。方法看起来稍微比较不同,结果比较平淡。
来自新推出的传感器的合成孔径雷达(SAR)图像的空间分辨率的提高促进了在城市监测中更频繁地使用分布式散射体(DS)干涉测量(DSI),以进行足够详细的测量。然而,通过探索幅度信息进行均质像素聚类的常用统计方法首先是计算量大;此外,在文献中很少讨论将它们应用于高连贯建筑场景的必要性。本文探讨了使用相位信息检测建筑表面上均匀像素的潜力。我们提出了一个简单的相位相关像素(PCP)聚类,并引入了相干加权相位链接(WPL),即PCPWPL,以追求更快地处理干涉图相位去噪。我们不依赖振幅特性的统计检验,而是利用复数域中的向量相关来识别具有相似相位观测值的PCP,从而避免了深入的假设检验。相干加权相位链接应用于DS相位重建。使用永久散射体(PS)和DS的集成网络可完成地球物理参数(例如变形)的估算。综合和真实数据实验均充分说明了该方法的效率。通过与使用X波段CosmoSkyMed数据集的传统基于幅度的策略进行比较,分析了所提议PCPWPL的优缺点。结果表明,使用相位相关足以在已建方案中进行DS监视,并且具有等效的测量量和较便宜的计算成本。还是港中文黄波老师团队的成果,关于InSAR的应用研究。由于笔者不太懂SAR方面的研究,就不多加评论,感兴趣的同学欢迎点开链接自行查看。
生态系统资产提供的生态效益在改善人类福祉方面发挥着重要作用。但是,几乎没有可行的方法可以结合有关生态系统资产的数量和质量的数据来描述其状态和趋势。在这里,我们通过综合生态系统资产数量和质量数据以在区域或国家范围内进行有效评估,开发了一种新的基于遥感的指标。新指标包括类型生态系统资产指数(TEAI)(例如森林生态系统资产指数)和综合生态系统资产指数(IEAI)。 TEAI和IEAI可以分别用于评估特定生态系统或一组区域生态系统的状态和趋势。我们在三河源地区(TRSR)的生态保护政策中应用了这一新指标,该地区被称为“中国水塔”。从2000年到2015年,由于生态系统资产面积的增加(0.2%)和生态系统资产质量的提高(优秀和良好水平的生态系统资产分别增加0.66%和0.02%),IEAI增长了4.02%。实施生态保护和生态恢复计划是区域生态资产改善的主要直接动力。我们的结果表明,该新指标对于快速,准确地评估生态系统资产的状态和趋势是可行的,并可用于指导大范围的生态系统管理。生态中心欧阳志云老师团队的成果,基于遥感的生态系统资产指数指标。由于生态系统资产核算直接与生态系统服务,生态效益相关,并且是生态补偿或者说转移支付的基础依据,但是过去的核算体系大部分需要大量的指标体系或者无法实现空间异质性运算,这篇文章提供了一个快速测算的方法,但是指标的普适性、校准以及调整仍然是后续需要进行的研究工作。
由于在许多地区,特别是中国,小于1公顷的小农户是主要农业形式,因此异质作物识别一直是备受关注的问题。通过空中平台(例如无人机)进行高光谱和空间分辨率的遥感提供了一种潜在的替代技术,用于监测小农农业中的异种作物。尽管这种具有高光谱和空间分辨率的新型遥感数据提供了精细分类的可能性,但它也带来了一些挑战,例如受严重噪声污染的波段,可辨别的光谱信息的分布不均匀以及农作物的光谱变异性。在这项研究中,我们尝试通过开发基于条件随机场(SCRF)的鲁棒的光谱空间农作物制图方法来解决这些问题,该方法通过光谱加权核来学习农作物的敏感光谱信息,并利用空间相互作用像素以提高分类性能。选择了来自有人驾驶飞机平台和无人机平台的数据,以验证所提出算法的有效性。实验结果表明,该算法可以有效地利用各个光谱带的相对效用,检测出严重噪声污染的频带,并利用光谱加权核考虑农作物的敏感光谱信息。与传统的支持向量机和随机森林方法相比,仅具有频谱加权核的算法显示出超过4%的改进。此外,空间信息被证明对于作物分类至关重要,面向对象的方法和所提出的SCRF方法都可以通过考虑空间信息而在可视化和定量指标方面提高分类性能。与面向对象的方法相比,SCRF可以提供更好的分类性能,准确性提高超过2%。来自武汉大学钟燕飞和张良培老师团队的成果,基于无人机高空间分辨率与高光谱遥感影像实现农作物的识别。从结果来看,方法具有不错的鲁棒性,较高的精度。核心算法是基于条件随机场,同时考虑了光谱加权核等技术。
超高分辨率遥感影像中的道路检测是一个热门的研究课题。但是,高分辨率会导致高度复杂的数据分布,从而导致道路检测产生大量噪声,例如,由路边干扰引起的阴影和遮挡会导致难以准确识别道路。在本文中,提出了一种新颖的边缘增强卷积神经网络,并结合了多尺度特征提取和边缘增强,以缓解这一问题。首先,在所提出的网络的中心部分使用多尺度特征提取来提取多尺度上下文信息。然后,使用简化的U-Net来学习其他边缘信息的边缘加固技术可用于还原道路信息。这两个操作可以与不同的卷积神经网络一起使用。最后,通过两个公共道路数据集来验证该方法的有效性,实验结果证明了其优越性。来自武汉大学钟燕飞和张良培老师团队的成果,利用边缘增强的卷积神经网络实现超高分辨率遥感影像中的道路检测。主要是识图解决道路检测分析时高分辨率遥感影像的复杂数据分布以及造成的噪声问题。核心应该是用U-Net和多尺度特征提取。
量化城市范围的时空变化对于理解新兴的城市化过程非常重要。已经有很多使用夜间灯光数据来检测城市变化性能良好的方法来绘制城市区域图,但是其中许多方法都假定城市区域等同于不透水表面或发达土地所占百分比较高的区域。我们提出了一种在区域尺度上有效绘制城市区域图的方法,它还提供了从不同理论角度认识城市范围的机会。在我们的方法中,基于对研究区域城市化现状的了解,选择了适当的划界标准和城市指标。在基于对象的分割和初始城市中心的检测之后,通过使用分组算法从这些初始城市中心扩展来识别城市斑块,描绘出城市区域的相对边缘。我们使用2010年DMSP/OLS夜间灯光数据和县级行政部门对这种新方法进行了测试。我们发现市区总面积为分布在2489个县中,占中国大陆土地的1.5%。根据斑块方向,城市斑块的划定边界具有不同的值。条纹的平均值和不同城市斑块的大小在不同地区之间差异很大。我们检测了所有省会城市,97.3%的地级市和91.0%的县级市。因此,这种方法能够在区域范围内以可靠的精度识别城市斑块。生态中心周伟奇老师团队的成果,基于夜间灯光遥感数据的一种新的城市区域绘制的方法。核心思路是面向对象分割技术结合初始城市中心来识别城市斑块,这也是周伟奇老师一直在做的内容。提两个点,从城市斑块划分的思路而言,这篇文章的思想接近于BCL龙瀛老师之前一篇重新定义中国城市系统体系的论文——即核心概念为,城市区域并非是行政边界内的实体,它有自己边界所在。因此这篇论文重新划分了城市斑块,并且分析了分布面积和区域。另外从技术方法思路,基于夜间灯光遥感影像的面向对象分割让笔者想起了之前参与翻译的港中文黄波老师团队的一篇RSE文章,思路是比较类似的。也是基于夜间灯光遥感影像做面向对象分析。下面是论文链接,感兴趣的同学也可以查看。
有GIS有意思︱运用夜灯与社交数据一眼识破北上渝三城多中心结构
手足口病(HFMD)主要发生在婴儿和儿童中。先前的研究表明,合适,稳定的温度有利于HFMD病毒繁殖。然而,温度波动也会影响病毒的传播,到目前为止,还没有关于这种波动与手足口病发病率之间关系的研究。这项研究的目的是绘制手足口病发病率的时空分布图,并量化温度波动对儿童手足口病发病率的长期影响。本研究使用了2009年1月至2013年12月在中国北京,天津和河北省五岁以下儿童的手足口病病例。使用GeoDetector和贝叶斯时空层次模型来探索温度波动和HFMD发生率之间的时空关联。结果表明,手足口病的发病率具有显着的空间分层异质性(GeoDetector q-statistic = 0.83,p <0.05),高风险地区主要出现在大都市及其附近地区。 HFMD传播与温度波动呈负相关。最高和最低温度标准偏差每升高1°C,手足口病发病风险分别降低8.22%和11.87%。研究表明,较大的温度波动会影响病毒的生长或繁殖,从而抑制病毒的活性,甚至可能导致其灭绝,进而影响手足口病的时空分布。该发现可作为对该疾病的实际控制的参考,并为合理分配医疗资源提供帮助。王劲峰老师团队的成果基于周苏口病数据分析温度对于病征发病的时空影响。基于地理探测器与贝叶斯时空层次模型的研究。
12.haracterizing the dynamics underlying global spread of epidemics/表征流行病全球传播的潜在动力
在过去的几十年中,利用全球航空运输数据构建的全球人群流行病模拟已经成为研究流行病如何从起源向世界其他地区传播的主要工具(例如大流行性流感,SARS和埃博拉病毒)。然而,目前尚不清楚疾病的流行病学和航空运输网络的结构如何决定全球不同人群的流行病到达。在这里,我们通过开发和验证仅需要来自随机过程的基本分析的分析框架来填补这一知识空白。我们将该框架追溯应用于2009年的流感大流行和2014年的埃博拉疫情,以表明可以以非常低的计算成本从本地和全球传播的公共数据实时可靠地估算关键的流行参数。我们的框架不仅阐明了流行病在全球范围内传播的动态,而且还提高了我们对流行病进行临近预报和预测的能力。基于全球航空运输数据的流行病全球传播动力学建模。这是一个基于随机过程的分析框架,可以提供流行病学参数的估算。
13.Impacts of snow and cloud covers on satellite-derived PM2.5 levels/雪和云层对卫星反演的PM2.5水平的影响
卫星气溶胶光学深度(AOD)已被广泛用于评估地面细颗粒(PM2.5)的水平,而雪/云层覆盖常常导致很大一部分非随机丢失的AOD。结果,将很难生成完全覆盖且无偏见的PM2.5估计值。在当前解决数据缺口问题的方法中,很少有人考虑云AOD关系,而没有人考虑雪AOD关系。这项研究检查了雪和云层对AOD和PM2.5的影响,并在考虑到这些影响的情况下做出了全覆盖PM2.5的预测。为了估计缺失的AOD,使用随机森林算法开发了具有雪/云分数和气象协变量的每日空白填充模型。通过在纽约州使用这些模型,生成了具有1 km分辨率的每日AOD数据集,并具有完整的覆盖范围。差距填充模型的“袋外” R2平均为0.93,四分位数范围为0.90至0.95。随后,建立了一个基于森林的基于PM2.5的随机预测模型,该模型具有空缺AOD和协变量,以预测完全覆盖的PM2.5估计值。预测模型的十倍交叉验证显示出良好的性能,R2为0.82。在间隙填充模型中,雪季中的雪分比一年中其他月份具有更高的意义。装有/不装有积雪分数的预测模型还提出了PM2.5模式的明显变化,进一步证实了该参数的重要性。与不考虑雪和云层的方法相比,我们的PM2.5预测面显示了更多的空间细节,并反映了小规模地形驱动的PM2.5模式。所提出的方法可以推广到大范围的雪/云覆盖和大量缺少卫星AOD的区域,从而以高分辨率和完整覆盖范围预测PM2.5水平。发表在环境遥感上的一篇文章,关于AOD的插补分析,以及雪和云层对AOD缺失的影响。同时提出了一个用于填补的关键参数。
几个即将到来的卫星任务具有核心科学要求,以产生用于精确地上森林生物量测绘的数据。很大程度上由于这些任务数据集,在未来十年中,可用生物量产品的数量预计将大大增加。尽管生物质制图对于广泛的科学,政策和管理应用具有公认的重要性,但对于基于卫星的生物质图验证,仍然没有社区认可的标准。地球观测卫星委员会(CEOS)正在开发一种协议,以在下一代与生物量有关的卫星之前满足这一需求,本文从CEOS的角度对生物量验证实践进行了综述。我们概述了预期的用户对产品准确性评估的各种要求,并提供了有关生物质产品验证的建议。这些建议包括收集新的高质量原位数据,以及使用机载激光雷达生物量图作为实现透明多分辨率验证的工具。采用社区认可的验证标准和做法将促进采用下一代生物量产品。重点提到了未来生物量卫星的期待和要求。与之前郭华东院士提出的Biomass卫星思想一致。当前AGB估算仍然具有极大的不确定性。
背景:巴西亚马逊河森林包含大量碳,这些碳可能由于土地使用和覆盖变化而释放到大气中。为了量化碳储量,巴西提供了来自不同来源的森林清单,但是它们没有标准化,科学界并不总是可以得到。考虑到巴西亚马逊地区的扩展,结合遥感和森林清单图的使用,是估算森林地上生物量(AGB)的最佳选择之一。然而,有限的森林清查数据和不同的遥感产品的结合导致了AGB估计值的空间分布上的显着差异。这项研究评估了巴西亚马逊未受干扰森林中AGB数据(森林清单,AGB地图和遥感产品)的空间覆盖率。此外,我们分析了这些数据与AGB利益相关者之间的相互关系。具体来说,我们提供了现有田地图的大小,频率和空间分布方面的第一个基准。结果:我们合成了巴西亚马逊森林清单区,AGB地图以及机载光检测和测距(LiDAR)样条的覆盖范围。尽管已实施了多个广泛的森林清单,但这些AGB数据覆盖了该地区的一小部分(例如,亚马逊中部仍未发现)。尽管机载LiDAR等新技术的使用大大扩展了AGB调查的范围,但这些数据和森林图仅占巴西亚马逊整个森林面积的1%。结论:考虑到涉及巴西亚马逊森林清单的几家机构具有不同的森林调查目标,协议和时间框架,因此巴西亚马逊森林清单数据仍未标准化。研究资助机构在建立明确的共享政策以使数据自由开放方面以及协调收集程序方面发挥着非常重要的作用。尽管如此,将新旧森林清单区划与机载LiDAR数据和卫星图像结合使用,可能会减少巴西亚马逊AGB分布的不确定性。分析亚马逊森林目前AGB数据集覆盖范围与代表性。为后续全区域森林AGB制图以及抽样提供前期调研基础。
以高时空分辨率准确估算直径≤2.5μm(PM2.5)的细小颗粒物质对于评估其健康影响至关重要。先前的研究面临着多种挑战,包括有限的地面测量和时空协变量的可用性。尽管MAIAC数据集实现以较高的时空分辨率反演了卫星气溶胶光学深度(AOD),但是大量的非随机缺失极大地限制了其在PM2.5估算中的应用。在此,开发了一种深度学习方法,即基于自动编码器的残留深层网络的引导聚合(装袋),以对MAIAC AOD进行鲁棒的估算,并进一步在高空间(1 km)和时间(每日)估计PM2.5。基本模型由基于自动编码器的残差网络组成,其中引入了残差连接以提高学习性能。残差网络的装袋用于生成整体预测,以实现更好的准确性和不确定性估计。作为案例研究,该方法被应用于估算每日卫星AOD并随后估算了2015年中国京津冀都市圈的每日PM2.5。所提出的方法在AOD估算中具有竞争性(均值测试R2: 0.96;平均测试RMSE:0.06)和PM2.5估算值(测试R2:0.90;测试RMSE:22.3μg/ m3)。在美国驻北京大使馆监控站使用地面AERONET AOD和PM2.5进行的其他独立测试中,此方法获得了较高的R2(0.82-0.97)。与最新的机器学习方法XGBoost相比,该方法为预测的PM2.5表面生成了更合理的空间变化。公开使用的协变量包括气象,MERRA2 PBLH和AOD,坐标和海拔。由于不可用,未使用其他协变量,例如云量或土地利用。验证和独立测试的结果表明,所提出的方法在使用卫星AOD(具有巨大缺失值)的PM2.5暴露评估中的有用性。一个鲁棒的深度学习方法用于AOD和PM2.5的估算。可以得到高时空分辨率PM2.5,同时精度很高。
17.Assessment of Bias in Pan-Tropical Biomass Predictions/泛热带生物量预测中的偏见评估
地上生物量(AGB)是森林的基本描述,可用于生态和气候相关研究。在树木和林分尺度上,AGB的破坏性但直接的测量值被异速测量模型的预测所代替,该预测模型表征了AGB与包括胸径,树高和木材密度的预测变量之间的相关关系。这些模型通常是通过线性回归从收获的校准数据中构建的。在这里,我们评估了在测量,汇编和建模样本内校准数据期间引入的AGB样本外预测中的系统误差。从热带森林的开放获取数据构建各种常规的双变量和多变量模型。元数据分析,拟合诊断和交叉验证结果表明存在几种模型规格不正确的情况:首先,无法解释样本内和样本外数据之间的预测变量中不一致的测量误差。仿真表明,保守的不一致可能会在树状和标准规模的AGB预测中引入明显的偏差。如果将树木的高度和木材的密度作为预测指标,则应修改模型以纠正偏差。最后,我们探索了常规异速测量法的基本假设,即模型参数与树的大小无关。也就是说,相同的模型可以提供一致真实性的预测,而与大小级别无关。当前校准数据集中的大多数观察结果来自较小的树木,这意味着大小相关性的存在会使较大树木的预测产生偏差。我们确定当前由于模型规格不正确和校准数据不平衡而无法检测到大小相关性的存在或不存在。我们呼吁收集更多的收获数据,特别是代表性不足的大树。这篇文章分析的是树木和林分尺度的偏差(异速生长模型)产生的后续偏差评估,说明了这个部分模型的重要性。因为过去,这一块往往是采用默认的异速生长模型估算的。
卫星图像分类是一个具有挑战性的问题,它位于遥感,计算机视觉和机器学习的十字路口。由于卫星数据固有的高可变性,大多数当前的对象分类方法都不适合处理卫星数据集。缺少具有多个类别标签的单个标签的高分辨率数据集也阻碍了卫星图像分析的进展。在这项工作的初步版本中,我们引入了两个新的高分辨率卫星图像数据集(SAT-4和SAT-6),并提出了DeepSat框架,用于基于“手工”特征和深度信念网络(DBN)进行分类。本文是扩展版本,我们提出了一个端到端框架,该框架利用改进的体系结构增强了具有手工特征的卷积神经网络(CNN)(而不是使用基于DBN的体系结构)进行分类。我们的框架可以访问从手工特征以及CNN特征图获得的融合空间信息,在SAT-4和SAT-6上分别达到了99.90%和99.84%的准确率,超过了所有其他最新状态艺术成果。基于分布可分离性准则的统计分析证实了我们的方法在学习更好的卫星图像表示中的鲁棒性。一个卫星影像深度学习的框架改进版的应用分析。
地表温度(LST)是高温和干旱监测以及气候和生态环境研究的关键变量。由于地面观测站的稀疏分布,热红外遥感技术已成为在大范围内快速获取地面温度的重要手段。但是,每天由于云覆盖超过全球地面的60%而导致的基于卫星的LST数据中存在许多缺失和低质量的值。本文介绍了中国2003-2017年唯一的LST数据集,该数据集可以从原始LST图像中过滤并删除被云污染的缺失值和劣质LST像素值,并通过重建模型反演云覆盖下的实际表面温度。我们具体描述了重建模型,该模型使用MODIS每日数据,月度数据和气象站数据的组合来重建云覆盖下的真实LST,然后通过建立回归分析模型进一步改善数据性能。验证表明,新的LST数据集与原位观测值高度一致。对于中国六个具有不同气候条件的自然分区,RMSE的范围为1.24 C至1.58 C,MAE的范围为1.23 C至1.37 1.C,R2的范围为0.93至0.99。新的数据集可以在年度,季节和月度尺度上充分捕获LST的时空变化。从2003年至2017年,中国的整体LST年度平均值呈现微弱的增长。此外,中国的变暖趋势明显不均匀。最显着的变暖发生在西北地区的内蒙古高原中西部地区(坡度> 0.10,R> 0.71,P <0.05),并且在东北地区的某些地区也观察到强烈的降温趋势。季节性而言,冬季西部地区显着变暖,其中12月最为明显。重建的数据集显示出显着的改进,可用于LST的时空评估以及高温和干旱监测研究。数据在Zenodo中发布,网址为https://doi.org/10.5281/zenodo.3378912(Zhao等,2019)。结合MODIS地表温度产品和气象站数据实现有云覆盖情况下地表温度的重建。工作量极大,数据多且时间跨度长。
20.Ground Data are Essential for Biomass Remote Sensing Missions/地面数据对于生物量遥感任务至关重要
几个遥感任务将很快绘制出所有陆地生态系统的详细碳地图。这些任务取决于准确而有代表性的原位数据集,以训练其算法和进行产品验证。但是,长期的基于地面的森林监测系统是有限的,尤其是在热带地区,并且为了对验证有用,至少在计划任务的整个生命周期中,都需要定期重新检查和维护这种基于地面的观测系统。在这里,我们提出了一种协调的全球原位数据网络的战略,该战略将从生物量遥感任务中受益。我们建议在现有的长期热带森林监测网络基础上发展。为了产生准确的地面生物量估算值,必须为用户保证严格的数据质量。在目前可以确保在当地做出长期承诺并已获得一组核心数据的站点上投资地面资源会更加有益。我们称这些为“超级站点”。为这种机构间努力提供长期资金仍然是一个重要的挑战,我们在这里提供成本估算,以促进利益相关者之间的对话。一项关键要求是确保在遥感任务的整个生命周期中就地数据可用性。为此,在森林观测系统内提出了有关超级地点选择和管理的一致指导方针,应确保长期资助,并应积极参与这些地点的主要调查员。提出了地面数据对于生物量遥感制图的重要性,地面数据是遥感生物量估算的重要数据基础及验证数据。
21.Deep learning in environmental remote sensing: Achievements and challenges/环境遥感深度学习:成就与挑战
历史上,各种形式的机器学习(ML)方法在环境遥感研究中都发挥了重要作用。随着来自对地观测的“大数据”数量的增加以及机器学习的迅速发展,出现了更多新方法来协助地球环境监测的机会。在过去的十年中,由传统神经网络(NN)开发的名为深度学习(DL)的典型,最新的ML框架在性能上有了相当大的提高,其性能已超越传统模型。在开发用于各种地球科学应用的DL方法学方面已经取得了实质性进展。因此,本综述将集中于使用传统的NN和DL方法来推进环境遥感过程。首先,将分析DL在环境遥感中的潜力,包括土地覆盖图,环境参数反演,数据融合和降尺度以及信息重建和预测。然后将介绍一种典型的网络结构。之后,将对DL环境监测在大气,植被,水文学,空气和陆地表面温度,蒸散量,太阳辐射和海洋颜色中的应用进行专门的综述。最后,将对挑战和未来前景进行全面分析和讨论。环境遥感上的一篇综述类文章,介绍深度学习在环境遥感中取得的成果及未来挑战,适合刚入门研究者阅读。
浓云及其阴影严重降低了光学卫星遥感数据的数据可用性。尽管已经提出了许多用于去除云和云阴影的方法,但是这些方法中的大多数仍然不足以解决以下三个问题:(1)覆盖有大面积区域的厚云层;(2)包括了所有时间图像云或阴影,以及(3)仅对单个时间图像的利用不足。为了克服这些问题,提出了一种新颖的时空斑块群深度学习框架,用于通过多个时空阴天图像填补空白。考虑到全局一致性和局部特殊性,提出了全局局部损失函数以通过云覆盖的自由区域优化训练模型。另外,加权聚合和渐进迭代被用于重构整体结果。然后进行一系列的模拟和真实实验,以验证所提出方法的有效性。特别是在Sentinel-2 MSI和Landsat-8 OLI上分别具有小/大尺度区域的单/多时间图像。利用深度学习方法来实现卫星遥感影像的去云和去阴影处理。从结果来看,效果还不错。
森林在应对气候变化中发挥着核心作用,准确地估计森林碳对于制定减少森林排放并最大程度地隔离森林的行动至关重要。在如何最好地估算与监管有关的规模上森林碳储量和通量方面,方法学上仍然存在挑战。以美国加利福尼亚州为例,我们比较了两种方法来估算地上活树的林木碳储量差异:一种基于地面清单,另一种基于遥感数据的土地覆盖分类。先前使用森林清单和分析计划(FIA)的地面清单数据进行的工作表明,加利福尼亚森林中的活树对地上净碳(AGC)的隔离,而使用景观火和资源管理规划工具(Landfire)的土地覆盖分类进行的估算显示相似时间段内活动树AGC的净减少量。我们通过基于Landfire的类别更改分析的镜头重新分析了FIA库存数据,从而检查了差异。这项分析表明,在不到4%的“地火当量”类别中,有超过50%的活树AGC,并且绝大多数森林面积(> 80%)在测量期间之间没有改变高度类别。尽管缺少分类更改,但大多数FIA地块的树木树高95%和活动树AGC均增加。这些发现表明,基于观察到的类别变化的方法可能会低估由增长导致的AGC隔离,从而高估了由干扰导致的AGC减少的相对重要性。这会使AGC通量估算值向下偏移,从而使我们验证以下结论:在2016年结束的十年中,加利福尼亚的活树是地上碳的净汇。我们的研究结果表明,基于清单的方法或混合方法比依赖易受干扰的森林生态系统中AGC的分类箱。分析林火是碳源还是碳汇,最终结果表明是碳汇,是一个比较有意思的研究和不同的认知。当前公认的碳汇仅有森林。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 08:19
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社