科教动态

　　近日，利记体育测绘地理信息学院智能计算与遥感应用实验室的付波霖副教授，在广西岩溶湿地和红树林遥感领域取得重要研究进展。相关研究成果分别以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为题发表在水色遥感领域国际顶级期刊《Science of The Total Environment》（中科院SCI一区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为题发表在遥感领域国际顶级期刊《International Journal of Applied Earth Observation and Geoinformation》（中科院SCI一区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为题发表在遥感领域国际权威期刊《International Journal of Digital Earth》（中科院SCI一区Top，2023IF=5.1）上。这些研究得到国家自然科学基金、广西自然科学基金和广西八桂学者团队等项目的共同资助，以桂林理工大学为第一完成单位。2023年以来，付波霖副教授在岩溶湿地遥感和红树林遥感两个研究方向均取得了一系列研究成果，以第一作者或通讯作者发表二区及以上SCI论文9篇，授权发明专利3项。

　　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　论文链接：https://www.sciencedirect.com/science/article/pii/S0048969723045886

　　该项研究利用地面实测高光谱数据，首次系统解析了岩溶湿地水体的光谱反射率特性，理清了岩溶湿地水体Chla的敏感性光谱特征，对比论证了ASD、UAV和Planet三种传感器平台的叶绿素a估算性能，并创新性地提出了两种多传感器光谱特征组合策略和两种岩溶湿地水体叶绿素a迁移学习反演框架，定量估算两种策略对岩溶湿地水体叶绿素a浓度估算精度差异，并利用8种影像特征组合方案分别验证ASD实测高光谱迁移到UAV平台、ASD实测高光谱+UAV影像迁移到星载Planet影像估算水体叶绿素a浓度的可行性，该研究成果为岩溶湿地的保护和可持续发展提供了科学依据。

　　Quantifying scattering characteristics of mangrove species from Optuna-based optimal machine learning classification using multi-scale feature selection and SAR image time series　论文链接：https://www.sciencedirect.com/science/article/pii/S1569843223002704

　　该研究联合多光谱和SAR影像构建多维数据集，对以北仑河口和茅尾海红树林保护区为研究区，联合多尺度特征变量选择方法和Optuna参数优化模型构建一种自动优化的红树林种群分类模型。在此基础上，联合时序的SAR后向散射系数、相干系数和极化分解参数定量探究不同红树林树种的散射特性和主要散射机制。这项研究为微波遥感监测红树林病虫害和长势监测提供了研究基础。

论文流程图

　　Combination of super-resolution reconstruction and SGA-Net for marsh vegetation mapping using multi-resolution multispectral and hyperspectral images　论文链接：https://www.tandfonline.com/doi/full/10.1080/17538947.2023.2234340

　　该研究综合利用超分辨率卷积神经网络（SRCNN）、超分辨率对抗生成网络（SRGAN）和增强超分辨率对抗生成网络（ESRGAN）首次对国产高分一号多光谱、珠海一号高光谱等进行影像重建，定量评估了重建影像的光谱保真度和空间分辨率提升质量。基于研发的一种新颖的SGA-Net深度学习分类框架，检验了三种超分辨率重建方法对沼泽植被的分类性能。该研究成果可较好解决广西乃至我国西南地区遥感影像光谱质量差、空间分辨率低等问题，具有较好的应用前景。

论文流程图