受全球气候变化和地区人类活动影响，干旱区的植被种类，分布，物种丰富度和生物量通常会经历强烈的季节和年际波动，由于样本分布稀疏，很难对植被信息进行大规模且长期的现场观测。遥感方法可以通过识别和植被物种的生物物理特征，从而预测物种丰富度和空间变异性以及检测不同景观尺度的自然因素和人为因素的变化。
实验室阿里木·赛买提副研究员以哈萨克斯坦伊犁河三角洲为研究区，对比了Sentinel-2A数据在基于直接、纠错输出编码（ECOC）、嵌套二分（ND）、嵌套二分集成（END）等多种方法对三角洲地区稀疏植被分类结果，并与现有MODIS、LandSAT等数据产品进行对比，并提出新的面向对象引导的形态学剖面的高分辨率遥感图像空-谱分类框架。研究结果表明，1）Sentinel-2A数据在干旱区稀疏植被识别制图中优于MODIS、LandSAT等数据产品。2）嵌套二分集成优于直接、纠错输出编码、嵌套二分等多类别分类框架。3）新提出的高分辨率遥感图像空-谱分类框架精度最优。相关研究成果发表在Remote Sensing，文章链接：https://www.mdpi.com/2072-4292/11/16/1953
版权所有：荒漠与绿洲生态国家重点实验室 Copyright.2022 电话：0991-7823174 E-mail:pantt@ms.xjb.ac.cn
地址：中国·新疆乌鲁木齐市北京南路818号 邮编：830011 新ICP备06001700号-17 新公网安备 65010402001676号