冬季与阅读更为相配哦
ISPRS,2020,GEE,精选文章阅读
01
ISPRS Journal of Photogrammetry and Remote Sensing
《ISPRS Journal of Photogrammetry and Remote Sensing》(P&RS) 是国际摄影测量与遥感学会(ISPRS)的官方期刊。该期刊为全球各国的科学家和专业人士提供了一个交流平台，这些人士从事摄影测量、遥感、空间信息系统、计算机视觉及相关领域的多种学科研究。期刊旨在作为这些学科发展的参考来源和档案。《P&RS》的目标是发表高质量、经过同行评审的、优先为未发表的科学研究、技术发展或应用/实践性质的论文。《P&RS》将发表基于ISPRS会议演讲的论文，这些论文在上述领域被视为重要贡献。我们特别鼓励以下类型的论文：具有广泛科学兴趣的；关于创新应用，特别是在新领域的；具有跨学科性质的；涉及《P&RS》或相关期刊尚未或很少处理的主题的；以及与新的可能的科学/专业方向相关的主题的。理论论文最好包含应用，而处理系统和应用的论文则应包含理论背景。该期刊的范围广泛，涵盖传感器、理论和算法、系统、实验、发展和应用。感兴趣的主题包括但不限于：传感器：• 机载和星载多光谱和高光谱成像系统• 机载和地面相机• 机载、地面和移动激光扫描• 范围成像• 主动和被动成像传感器特性• 传感器校准和标准化• 地理传感器网络• 物联网方法和程序：• 空间数据处理技术• 集成传感器校准和定向• 表面和对象重建、建模和解释• GIS数据建模、表示和结构• 数据库系统• 从图像中绘图• 可视化、动画和虚拟现实• 物理测量和光谱特征• 点云处理• 从SAR中提取几何和语义信息• SAR干涉测量• 图像分类算法• 图像分割和GEOBIA• 图像时间序列分析• 高光谱数据分析• 大图像数据分析• 众包• 特征提取应用和产品：• 3D城市GIS• 近距离成像和测量• 建筑与考古摄影测量• 森林指标的确定• 医学图像分析和生物测量• 资源和环境建模• 全球监测和评估• 主题应用• DTM和正射影像生成• 基于位置的服务提交的文章可以是：• 论文（涉及新研究、技术发展或应用的详细讨论）；• 综述论文（对已建立或新兴主题或应用领域的广泛现状调查）；或• 为期刊专栏的投稿（给编辑的信件，关于期刊或对先前发表论文的作者评论；新颖的有用想法和简短的相关技术评论；社论，主要由编辑咨询委员会邀请）。注意：除了通信外，所有文章都将经过同行评审，并且应具有高科学水平。*基于过去会议出版物的期刊论文提交仅在提交的稿件显著扩展或以其他方式增强的情况下才被允许。即，只有在展示了更广泛的实验和讨论（即使使用相同的方法）的情况下，或者方法得到了显著改进和/或发展（即使使用了相同的数据集）的情况下，才会考虑期刊文章。作者有责任明确描述这些出版物之间的差异。在与另一出版物有强烈重叠的情况下，稿件应被拒绝。《P&RS》可能会专门用于特定科学主题的重要性或增加重要性（主题专刊），特别是与一个或多个ISPRS工作组相关，以及特殊事件、地理区域、专业活动等。主题专刊的数量和主题将使《P&RS》仍然对其大多数订阅者有吸引力。欲了解更多关于国际摄影测量与遥感学会的详细信息，请访问 https://www.php.cn/link/3548e4682a626fb125c56420344f8836。
论文列表
ISPRS GEE 2020
美国的空间明确的表面城市热岛数据库：特征、不确定性和可能的应用。
利用Sentinel影像在Google Earth Engine中改进的伊朗土地覆盖地图，以及使用迁移训练样本的土地覆盖分类新型自动工作流程。
使用Landsat、随机森林和Google Earth Engine绘制欧洲、中东、俄罗斯和中亚的农田。
基于Sentinel-1影像和Google Earth Engine识别孟加拉国的洪水和受洪水影响的水稻田。
开发和应用一种新的红树林植被指数(MVI)，用于快速和准确的红树林绘制。
Google Earth Engine用于地理大数据应用：元分析和系统综述。
使用2018年的Landsat时间序列影像和Google Earth Engine绘制中国的沿海湿地。
基于Landsat影像和Google Earth Engine的全球高分辨率山区绿色覆盖指数绘制。
训练样本的迁移用于动态的全球土地覆盖绘制。
利用所有可用的Sentinel 1/2影像和Google Earth Engine检查最早可识别的作物时间。
基于Landsat时间序列在Google Earth Engine和OpenStreetMap数据上的年度大规模城市土地绘制：长江中游盆地的案例研究。
ISPRS GEE 2019
使用Open Foris和Google Earth Engine进行森林种植园的参与式绘制。
在Google Earth Engine上使用半自动训练方法，以30米分辨率绘制美国大陆的灌溉农田范围。
使用Landsat卫星时间序列堆栈自动绘制树木作物的种植年份。
在Google Earth Engine上重建全球MODIS EVI时间序列的鲁棒方法。
ISPRS GEE 2018-2017
基于集成NDVI时间分析和CVAPS方法的自动土地变化检测和土地更新方法，支持GEE。
使用Google Earth Engine云计算平台上的随机森林机器学习算法，生成澳大利亚和中国的30米分辨率的Landsat农田范围产品。
使用Google Earth Engine云计算自动绘制非洲大陆的农田。
2015年中国红树林地图：在Google Earth Engine云计算平台上分析Landsat 7/8和Sentinel-1A时间序列影像。
往期精彩回顾
32篇深度学习与遥感论文推荐
GEE Deep Learning
GEE学习资料汇总与分享
面向科研人员的免费遥感数据集
GEE – A Review第二篇
以上就是GEE,ISPRS,2020的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/29652.html
微信扫一扫 
支付宝扫一扫 
