本期编辑荐读为您精选2022—2023年 期刊的高引文章，内容涵盖干旱对冠层损失影响、红树林遥感监测、电离层电子含量预测、森林虫害监测以及无人机作物分类，希望能为相关领域学者提供新的思路和参考，欢迎阅读。

文章1

A First Assessment of Canopy Cover Loss in Germany’s Forests after the 2018–2020 Drought Years

2018-2020年干旱后德国森林冠层覆盖损失的首次评估

Frank Thonfeld et al.

2018年1月至2021年4月冠层损失情况图

文章亮点：

(1) 研究使用了大量的Sentinel-2和Landsat-8时间序列数据，引入干扰指数（DI）来量化林冠覆盖的损失。

(2) 展示高空间高时间分辨率的林冠覆盖损失地图，为森林管理和app理解提供了重要的空间显式信息。

(3) 揭示了德国林冠覆盖损失的区域差异，提供了基于行政区划的林冠覆盖损失统计数据，有助于揭示区域性问题并支持森林管理决策。

文章2

Global Mangrove Extent Change 1996–2020: Global Mangrove Watch Version 3.0

全球红树林范围变化1996-2020：全球红树林观察3.0版

Pete Bunting et al.

红树林变化结果示例图：(a) 印度尼西亚苏拉威西岛的红树林损失，(b) 亚马逊三角洲的红树林增加，(c、d) 圭亚那的自然红树林动态，(e、f) 几内亚比绍的人为红树林动态和 (g) 由于错误登记造成的虚假红树林收益和损失的一个示例。

文章亮点：

(1) 创建了一个从1996年到2020年的全球红树林覆盖范围和变化的长期时间序列数据集，这是迄今为止最全面的全球红树林变化记录。

(2) 该研究开发的红树林范围地图估计准确度为87.4%，这种准确性的评估为全球红树林监测和保护提供了可靠的数据支持。

(3) 确定了红树林损失和增益的主要区域，分析了自然过程和人类活动对红树林变化的影响，为制定保护措施提供了app依据。

文章3

Ensemble Machine Learning of Random Forest, AdaBoost and XGBoost for Vertical Total Electron Content Forecasting

集成机器学习：随机森林、AdaBoost和XGBoost在垂直总电子含量预测中的应用

Randa Natras et al.

VTEC机器学习模型从数据探索、选择、准备到训练、交叉验证，直到最终没有找到具有目标近似函数的机器学习模型的发展流程图。

文章亮点:

(1) 研究探索了不同的机器学习算法模拟非线性的太空天气过程，并预测未来1小时和24小时的垂直总电子含量 (VTEC) 变化。

(2) 研究中使用了集成学习方法，结合多个模型的预测结果形成一个单一的元模型 (Voting Regressor)，提高了预测的准确性和泛化能力。

(3) 强调了数据预处理和特征选择在机器学习模型性能中的重要性。

文章4

Mapping a European Spruce Bark Beetle Outbreak Using Sentinel-2 Remote Sensing Data

使用Sentinel-2遥感数据绘制欧洲云杉树皮甲虫爆发图

Michele Dalponte et al.

2020年9月30日Sentinel-2图像的单棵树冠 (ITC) 级别分类图，使用wSVM分类器获得。右下角的灰色区域是发生了风倒事件的区域。线条是等高线，每隔5米间隔。

文章亮点:

(1) 利用Sentinel-2多光谱卫星数据，结合机器学习方法，在个体树冠层面上识别健康树和疫树 (早期和晚期)。

(2) 利用多时相数据跟踪疫树疫情的发展。这为了解甲虫疫情的传播动态提供了技术手段。

(3) 研究中使用了支持向量机 (SVM) 分类器，并结合了多种植被指数作为输入，检测疫情整体准确率达到83.4%。

文章5

Transformer Neural Network for Weed and Crop Classification of High Resolution UAV Images

高分辨率无人机图像中杂草和作物分类的Transformer神经网络

Reenul Reedha et al.

基于原始文献中研究视觉变换器 (ViT) 模型的ViT模型架构图

文章亮点：

(1) 使用基于注意力机制的深度学习网络——视觉变换器 (ViT) 在高分辨率无人机 (UAV) 图像中对杂草和作物进行分类。

(2) 研究采用了数据增强和迁移学习策略。这些技术的应用使得ViT模型即使在训练样本有限的情况下也能取得良好的性能。

(3) 采用了分层K折交叉验证方法来评估模型性能，确保了模型评估的完整性和准确性。

期刊介绍

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

期刊范围涵盖遥感app所有领域，从传感器的设计、验证和校准到遥感在地球app、环境生态、城市建筑等各方面的广泛应用。

2023 Impact Factor：4.2

2023 CiteScore：8.3

Time to First Decision：24.7 Days

Acceptance to Publication：2.8 Days