近日，9500app金沙集团赵峰老师与华中农业大学，蚂蚁集团以及美国马里兰大学合作的研究成果“Monthly mapping of forest harvesting using dense time series Sentinel-1 SAR imagery and deep learning”发表在国际顶级遥感学术期刊《Remote Sensing of Environment》（影响因子10.164）。该研究提出了利用合成孔径雷达，云计算平台和深度学习进行森林砍伐月度制图的新方法。

砍伐是全球森林扰动的主要因素之一，严重影响了生态系统的组成、结构和功能。对森林砍伐进行准确和动态的监测，对于评估砍伐对水循环和碳循环的影响具有重要意义。与单年或多年数据生成的砍伐图相比，月度的森林砍伐制图可以为研究社会经济驱动因素的砍伐方式(例如，区别抢救性伐木、刀耕火种与其他伐木行为)以及描述相关的年内碳和水文动态变化提供更多的时间细节信息。然而，频繁的云雨天气限制了光学遥感在绘制森林扰动方面应用的及时性，合成孔径雷达(SAR)可以穿透云雨，不受天气状态影响，为实现更及时的森林砍伐动态监测提供了机会。

根据上述背景，该研究采用深度学习算法（U-Net模型）和谷歌云计算平台，开发了一种基于砍伐的景观格局特征和Sentinel-1 SAR稠密时序数据的月度森林砍伐制图框架。提出的方法在美国加州（识别总精度：0.96）和巴西朗多尼亚地区（识别总精度：0.95）进行测试并验证，验证结果表明了该方法具有高度的准确性和空间迁移性。该方法克服了传统光学遥感在多云雨地区的应用限制，可以在前所未有的时空分辨率量化分析亚马逊热带雨林等热点地区的森林砍伐时空过程。

我校9500app金沙集团赵峰老师为论文第一作者，该研究得到国家自然科学基金项目，遥感重点实验室开放基金项目，中央高校基本科研经费项目和华中农业大学研究创业基金项目的共同资助。

论文链接：

https://doi.org/10.1016/j.rse.2021.112822