近日，我校9500app金沙集团许丽丽老师与荷兰瓦赫宁根大学、奥地利国际应用系统分析研究所、以及德国地球科学研究中心合作的研究成果“Time series analysis for global land cover change monitoring: A comparison across sensors” 发表在国际遥感领域顶级学术期刊《Remote Sensing of Environment》（2020年影响因子10.164）。该研究首次在全球尺度上评估和比较了当前遥感地球观测领域重要的卫星传感器在基于时间序列土地覆被变化(Land Cover Change, LCC)检测方面的能力。

LCC研究是全球环境演变研究中最大的挑战之一，最新的联合国发展目标和框架公约对其提出了更高的要求。基于时间序列遥感数据的LCC检测方法比传统的 “后分类比较法(post-classification)” 更能克服误差累积对检测精度的影响。当前三个重要的卫星传感器，即PROBA-V(100m), Landsat 8 OLI (30m) 和 and Sentinel-2 MSI (10m) ，都有时间序列上的累积产品，因而被广泛应用于区域-国家尺度的时序LCC研究中。但他们在全球尺度上检测所有可能LCC类型的相对能力仍然未知。

为了解决这一科学问题，该研究首先提出了BRF变化检测算法。BRF算法融合了季节趋势可加突变检测算法 (BFAST) 和随机森林 (Random Forest) 算法，并针对样本不均衡问题提出了重采样策略。经测试，BRF算法比原始BFAST算法在检测全球尺度LCC上表现更优。在BRF算法支撑下，该研究利用一套全球时序LCC样本集 (2015年-2018年)，综合考虑各卫星传感器的波段差异和全球范围数据可获取性差异，总共设计了30个比较场景，评估和比较了三个卫星传感器在全球尺度上检测所有可能LCC类型的能力、以及在全球尺度上检测不同专题LCC (森林、草本植被、水体、湿地）的能力。该研究首次在全球尺度上开展跨传感器时间序列LCC检测研究，在时间序列LCC变化检测领域的检测算法和卫星传感器评估上都做出了重要贡献。

我校9500app金沙集团许丽丽老师为论文的第一作者和通讯作者，华中师范大学为第一署名单位，该研究受到国家留学基金委项目、国家自然科学基金项目、国家重点研发计划项目的共同资助。

论文信息：

https://doi.org/10.1016/j.rse.2022.112905

Lili Xu*, Martin Herold, Nandin-Erdene Tsendbazar, Dainius Masiliūnas, Linlin Li, Myroslava Lesiv, Steffen Fritz, Jan Verbesselt. Time series analysis for global land cover change monitoring: A comparison across sensors. Remote Sensing of Environment. 2022, Volume 271, 112905.