《JAG》 AI-based Point Cloud and Image Understanding （Info）
人工智能和深度学习技术最近发生了革命性的发展，推动了3D点云和遥感数据分析和解释的快速进步，例如元素和物体检测、分割和变化检测。但测绘、国土、林业等行业的遥感调查和更新仍主要采用人工目视判读，费时、费力、成本高、周期长。基于多源调查和监测结果的自然资源全要素信息快速提取和智能解释亟待提高。因此，如何结合最新的3D点云和高分辨率遥感，对资源全要素进行快速提取和智能解译，是亟待突破的关键科技问题。为进一步推动基于人工智能的多源点云学习技术的发展，本期特刊收录了多源遥感数据处理与分析方面的最新研究进展。
编辑：Yiping Chen; Leila Hashemi-Beni; José Marcato Junior; Li Liu
《FORESTS》 “森林制图与变化检测的卫星时序分析” (VERSE) (截稿：2024年9月30日)
在气候变化背景下，准确的森林制图和森林变化信息对于研究森林动态至关重要。地球观测卫星数据为多时空尺度下的森林动态研究提供了条件。然而，由于森林生态系统的复杂性和卫星观测数据的不确定性，这一研究领域仍存在诸多挑战。
编辑：北京师范大学（珠海）丁超副研究员、北京师范大学闫凯副教授、中国地质大学（北京）吴伶副教授
研究主题包括（不局限于）：
- 森林制图和树种分类方法；
- 检测森林内变化的方法 (干扰、长期趋势和物候)；
- 卫星数据质量 (如数据间隙、噪声和地形阴影) 对变化检测的影响；
- 造林/毁林检测；
- 森林干扰与恢复力；
- 森林退化和死亡率；
- 关键森林变量的长期变化 (例如，叶面积指数，总初级生产和物候)。
《生物多样性》“三维生态学专辑” (Info) (截稿：2024年4月30日)
为深入理解三维生态系统结构对动植物多样性的形成和相互作用的影响，《生物多样性》拟于2024年8期出版“三维生态学专辑”，系统介绍以LiDAR技术为基础的三维生态学在中国动物和植物生态学研究中的现状，以期推动三维生态学研究在中国的发展。
《遥感学报》“林草碳汇遥感监测”专刊 (Info) (截稿：2023年12月30日)
本专刊聚焦林草碳汇遥感监测理论、方法和技术等内容，征集林草地上和土壤碳储量遥感估算技术、与林草碳汇功能密切相关的植被参数 (如LAI、树高、叶绿素、Vcmax等)遥感反演方法，以及遥感结合生态过程模型的林草生态系统碳循环时空模拟等论文，为林草服务碳中和理论、方法、技术和数据等支撑。
研究主题包括（不局限于）：
- 林草资源分布及时空动态遥感监测
- 林草碳固定关键参数遥感定量反演
- 林草地上碳储量和土壤碳库遥感估算
- 林草资源生产力遥感估算
- 遥感结合过程模型的林草生态系统碳循环时空模拟、驱动力分析
评论已关闭