来源:Remote Sensing 发布时间:2022/1/21 22:22:30
选择字号:
Remote Sensing 入选《世界期刊影响力指数 (WJCI) 报告 (2020科技版)》 | MDPI 期刊推广

期刊:Remote Sensing

微信链接:

https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=2650044991&idx=1&sn=

2a14ad5276be33f9465883dd423c156b&chksm=f1d9c0fbc6ae49edb67ac1a52dd293c9

8dad03c94003034bd2ce64ca092e2e873eda2db1063f&token=218529226&lang=zh_CN#rd

期刊链接:

https://www.mdpi.com/journal/remotesensing

近日,中国科学技术协会 (以下简称中国科协) 正式发布《世界期刊影响力指数 (WJCI) 报告 (2020科技版)》(以下简称《WJCI报告》),在入选“测绘科学技术”学科的79个期刊中,Remote Sensing 期刊WJCI指数为9.235,位列第3名,分区Q1。

本次入选《WJCI报告》,表明Remote Sensing 期刊被认为是具有学科代表性的高质量优秀期刊,这对于提升期刊在这一学科领域的学术影响力具有重要而深远的意义。在此,Remote Sensing 期刊由衷地感谢期刊主编、编委团队、客座编辑、审稿专家、作者和读者群的积极贡献与支持!Remote Sensing 期刊团队也将继续保持优质的期刊服务质量,不断提升自身竞争力和国内外影响力,助推学科优秀学术研究成果更广泛地出版、传播,努力将期刊打造成为世界一流的学术科技期刊。

主编介绍

Dr. Prasad S. Thenkabail

美国地质调查局

Dr. Prasad S. Thenkabail任职于美国地质调查局 (USGS) Research Geographer-15,是世界公认的遥感科学专家,在该领域持续工作了30多年,并做出多项重大贡献。他在植被的高光谱遥感和全球农田及其水资源用于粮食安全方面进行了开拓性的研究,并发表了140余篇同行评审的科学出版物,其中大部分为主要的国际期刊。

高引文章荐读

1.Mapping Landslides on EO Data: Performance of Deep Learning Models vs. Traditional Machine Learning Models

基于EO数据的滑坡映射:深度学习模型与传统机器学习模型的性能比较

Nikhil Prakash, Andrea Manconi and Simon Loew

https://doi.org/10.3390/rs12030346

图1. (a) 研究区域两部分的SU对象示例,受滑坡影响的SU有超过25%的面积与SLIDO清单中的滑坡重叠;(b) 使用增强人工神经网络基于对象方法的结果 (应用于测试区域)。

目前,高分辨EO数据产品的可用性呈指数级增长,目标之一是利用这一数据源快速生成滑坡清单。传统基于像素和基于对象的机器学习策略在过去十年中得到了广泛研究。此外,CNN (卷积神经网络) 这一深度学习方法的最新进展在从图像中提取信息方面取得了巨大成功,已超越其他传统学习方法。但在过去的几年中,只有少数研究尝试将CNN应用于滑坡测绘。本文引入了一种改进的U-Net模型,使用ResNet34块进行特征提取,对EO数据进行区域尺度的滑坡语义分割。本文还将其与传统基于像素和基于对象的方法进行了比较。该实验将从SLIDO (俄勒冈州全州滑坡信息数据库) 中提取的滑坡清单作为地面实况,网络采用从选定训练区域采样的增强图像块,在焦点Tversky损失和交叉熵损失函数的组合上进行训练。实验观察到深度学习方法比传统方法具有更好的性能,马修斯相关系数得分为0.495,检测概率为0.72。

2.Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth Engine

利用陆地卫星档案和地球引擎重建巴西生物群落三十年的土地利用和土地覆盖变化

Carlos M. Souza, Jr. et. al.

https://doi.org/10.3390/rs12172735

图2. 1985年至2017年巴西生物群落中主要土地利用和土地覆盖 (A) 和未发生土地利用和土地覆盖变化的区域 (B) 的得失。

目前巴西所有生物群落的年度土地利用和土地覆盖 (LULC) 信息仍存在缺口。现有的全国范围内土地利用、土地覆盖图绘制缺乏定期更新和高空间分辨率的时间序列数据,无法更好地了解历史土地利用和土地覆盖动态及其对国家生物群落的后续影响。本文描述了一种新的方法和结果,通过一个名为MapBiomas的多学科网络,以随机森林为基础,利用谷歌地球引擎应用于Landsat档案,重建巴西1985年至2017年的土地利用和土地覆盖信息。本文绘制了五个主要类别:森林、自然形成非森林、农业、非植被区和水。这些类别被分为两个子分类级别,从而以30 m像素的分辨率为该国提供最全面、最详细的地图。基于75,000个像素位置的分层随机样本,土地利用和土地覆盖时间序列的平均总体准确率为89%,在生物群落中准确率为73%到95%不等。本文还发现,86 Mha的转化原生植被正在经历某种程度的再生长。

3.An Evaluation of Image Velocimetry Techniques under Low Flow Conditions and High Seeding Densities Using Unmanned Aerial Systems

无人机系统在低流量、高播种密度条件下的图像测速技术评价

Sophie Pearce et. al.

DOI:10.3390/rs12020232

图3. 研究地点和感兴趣区域 (ROI) 的位置和卫星图像。

本研究针对五种不同的图像测速算法进行了敏感性分析,包括大规模粒子图像测速 (LSPIV)、大规模粒子跟踪测速 (LSPTV)、Kanade-Lucas Tomasi图像测速 (KLT-IV或KLT)、光学跟踪测速 (OTV) 和表面结构图像测速 (SSIV)。在塞尔维亚中部Kolubara河的低河流流量条件下,本文使用DJI Phantom 4 Pro无人机采集了两个30秒的地表流视频。人工播种材料均匀分布在河流表面,以增强图像测速技术的条件。作者对不同算法之间的可比参数 (包括粒子识别区域参数和特征提取速度) 进行敏感性分析。该分析得出的结论是,对于大约0.12 m s-1的表面速度,图像测速技术可以提供与ADCP等传统技术相当的结果。然而,与KLT-IV和SSIV相比,LSPIV、LSPTV和OTV需要额外工作来校准,并需要选择适当的参数。尽管每个算法对不断变化的参数灵敏度水平各不相同,但平均来说,所有配置图像测速算法提供的结果均在ADCP测量值的0.05 m s-1以内。

4.New Evidence of Mediterranean Climate Change and Variability from Sea Surface Temperature Observations

地中海气候变化和海面温度观测变化的新证据

Andrea Pisano et al.

DOI:10.3390/rs12010132

图4. 1982年至2018年CMEMS地中海地区的平均SST(°C),包括东北大西洋箱。

估计海面温度 (SST) 长期变化对于评估海洋现状和正确评估气候变化在区域尺度上的影响至关重要。在这项工作中,本文利用哥白尼海洋环境监测服务中心 (CMEMS) 的卫星数据集,分析了过去37年地中海和邻近东北大西洋盒子 (直布罗陀海崃以西) 的海表温度变化,发现整个地中海的平均气温上升趋势为0.041 ± 0.006 °C/年。本文观测到的地中海变化不仅影响平均趋势,而且影响地中海季节性信号的幅度,在所考虑的时期内,夏季平均值相对增加,冬季平均值相对减少。对“卫星时代”海表温度变化的分析得到了进一步补充,重建也是基于直接的原位海表温度测量。本文对这些涵盖过去165年较长时间序列的分析表明,在CMEMS运行期间观察到的地中海增加趋势与大西洋多年代际振荡 (AMO) 一致,因为它紧随AMO的上一个增长周期。这种巧合至少一直持续到2007年,当时在地中海海温演化过程中未见AMO开始明显下降。

特刊推荐

Observing the Flow of Ocean Currents and Circulation Using Remote Sensing

Guest Editors: Miroslav GaCiC and Milena Menna

Submission Deadline: 31 January 2022

https://www.mdpi.com/journal/remotesensing/special_issues/ocean_currents_circulation

Advances in SAR Image Processing and Applications

Guest Editors: Jean-Christophe Cexus and Ali Khenchaf

Submission Deadline: 1 February 2022

https://www.mdpi.com/journal/remotesensing/special_issues/sarimage_rs

期刊介绍

主编:Prasad S. Thenkabail, USGS Western Geographic Science Center (WGSC), USA

期刊范围涵盖遥感科学所有领域,从传感器的设计、验证和校准到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。期刊于今年被三个新的Category*收录。

2020 Impact Factor 4.848

2020 CiteScore 6.6

Time to First Decision 16.31 Days

Time to Publication 40 Days

*Category: Geosciences, Multidisciplinary (Q1); Environmental Sciences (Q2); Imaging Science & Photographic Technology (Q2)

 
 
 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
预见未来:“天关”卫星“前传” 跨能量尺度原子核结构研究获突破
我国地震工程领域首个国之重器通过验收 遗传分析追踪潘多森林的进化
>>更多
 
一周新闻排行
 
编辑部推荐博文