学术科研
【学术科研】测绘学院周磊教授团队在基于遥感指数的大尺度防尘网制图方法上取得突破
防尘网在我国被广泛使用，其在减少扬尘排放的同时也会造成土壤微塑料污染。了解防尘网的时空分布对于全面评估防尘网的环境影响至关重要。然而，防尘网的制图方法主要依靠于深度学习和机器学习的方法，其泛化能力和计算速度仍然受限制。当前，防尘网的光谱特征未得到详细调查，大尺度快速的防尘网制图方法仍然欠缺。
周磊教授团队开发了一种新的防尘网光谱指数（dpni）。dpni能够很好地突出城市内的防尘网区域，并抑制其他地物类型。结果表明，基于阈值分割方法，dpni能够准确地识别城市内的防尘网区域，对于主要类型的防尘网均有效，为大尺度快速的防尘网制图提供了一种新的、可靠的方法。相关研究成果以“a novel spectral index for rapid dust-proof net mapping based on sentinel-2 images”为题，发表于地球科学和遥感领域顶级期刊《ieee transactions on geoscience and remote sensing》。
论文标题和作者页
团队首先在野外测量了六种类型的防尘网光谱。其次，利用sentinel-2光谱反射和野外光谱反射详细研究了防尘网的光谱特征。然后，对八种土地覆盖物的sentinel-2光谱反射进行了分析，基于防尘网与其他土地覆盖物之间的m指数光谱可分离性分析，选择恰当的波段以突出dpn并抑制背景，进而建立了有效的防尘网光谱指数（dpni）。最后，通过与基于颜色的绿色指数（gi）、蓝色指数（bi）和基于随机森林（rf）的方法进行比较，评估了dpn的可靠性。同时，本研究使用基于随机抽样的定量评估方法确定了防尘网映射的最佳阈值。
郑州地区dpni视觉验证结果
郑州地区的防尘网绘图结果
团队提出了一种新的稳健光谱指数dpni，用于快速准确地绘制dpn地图。在城市复杂环境中的评估结果显示，与bi和gi相比，dpni更有效地区分了dpn和非dpn土地覆盖物。dpni制图结果与基于rf的结果相近，然而优势在于它不受样本和参数设置限制，可以实现大规模快速制图。dpni实现了93.51%-98.83%的总体精度和83.61%-96.54%的f1-score，且阈值稳定性良好。总的来说，dpni是第一个dpn的光谱指数，对大规模dpn制图有效。dpni有望推动dpn的自动化制图方法，并支持评估dpn对环境的影响。
北京建筑大学测绘学院本科生张超群为论文第一作者，周磊教授为论文通讯作者，杜明义教授、陈强副教授，刘扬教授为论文共同作者。该研究得到国家自然科学基金重点项目、面上项目大力支持。
论文链接：；
doi: 10.1109/tgrs.2023.3319718