学院动态：我院黄华兵副教授于ISPRS期刊发表高水平论文

2015年全季节样本库（FAST）及采用样本迁移方法生成的1990-2010年全球训练样本

       全球地表覆盖是监测全球地表资源环境变化、评估联合国可持续发展目标成效和研究气候变化影响的有效科学数据集，然而目前缺乏高分辨率、时空一致且连续的全球动态地表覆盖制图产品，其中高精度、长时间序列的全球训练样本库是制约全球动态地表覆盖制图研究的主要因素之一。

       针对这一问题，合作团队基于2017年清华大学宫鹏教授研究组发展的全球首个全季节样本库（FAST），利用光谱相似度度量和时空最近邻准则等方法以及谷歌地球引擎大数据平台提供的1990-2018年的全球陆地卫星影像，将FAST训练样本迁移至1990、1995、2000、2005、2010年5个不同的年份，形成了时间跨度为25年的全球训练样本库。迁移样本在1990、1995、2000、2005和2010年的样本数量分别为14.73万、15.49万、11.21万、11.86万和17.09万。交叉验证结果表明，5个年份的迁移样本精度均优于92 %。论文还探讨了光谱度量阈值及样本数量对迁移样本分类精度的影响，研究表明迁移样本可以取得与数量相同的原始样本相当的分类精度。

       该文首次尝试了将人工解译的全球训练样本进行不同年份的迁移并应用到全球地表覆盖分类精度评估，文中提出的方法不仅适用于将FAST训练样本迁移到过去年份，也可以迁移到未来时段（如：2020年），长时间序列训练样本库将有助于减少全球动态地表覆盖制图中训练样本解译与获取的人力和时间成本。该训练样本库将通过 “全球制图与应用伙伴计划（GMAP）”共享。