本小组成员时玥同学的综述论文《Review of Desert Mobility Assessment and Desertification Monitoring Based on Remote Sensing》被国际知名期刊《Remote Sensing》接收并在线发表！

荒漠化严重阻碍了经济发展和生态安全，因此荒漠化监测与治理的研究日益增多。遥感技术以其能够在大范围内检测特征、无需实地接触获取目标信息的能力，被广泛应用于沙漠研究。为了更好地监测和治理沙漠化，本文综述了沙漠流动性和流动沙漠中沙丘形态的研究方法。

区分流动沙漠和非流动沙漠的一个重要指标是沙漠植被覆盖度。本文首先回顾了基于视觉解译、非线性光谱模型、归一化植被指数（NDVI）拟合和植物群落分类的沙漠植被覆盖度研究的进展。沙漠过渡带植被的退化是造成沙漠化的一个因素。进一步介绍和分析了沙漠面积监测、遥感生态指数和沙漠特征信息提取等新技术和新应用。为了更准确有效地防治荒漠化，本文还对基于深度学习的移动沙丘分类方法进行了综述。

沙漠化监测方法的准确性和适应性正在逐步提高，但仍存在不足和不成熟的问题。首先，用于沙漠流动性评估的NDVI数据的稳定性仍然不足，导致模型的精度降低，需要进一步改进。其次，遥感生态指数作为一项重要的研究指标，在荒漠化监测中具有不可缺少的作用。然而，过多或过少的参数和监测算法的选择都会导致监测结果不佳。最后，沙丘类型的识别和分类对于研究沙丘的稳定性具有重要意义，但沙丘的稳定性仍然是一个未解决的问题。因此，探索如何更加科学合理地应用荒漠化防治技术是一个极具研究价值的方向。

在今后的研究中，应适当利用高分辨率的遥感数据进行沙漠研究，以确保数据量在可接受的范围内，从而获得更精确的沙漠特征信息和实验精度。通过从现有的遥感生态指数中选择不同的指标，确定最合适的参数组合和相应的算法。此外，需要更精细的方法来识别复杂的沙漠植被-栖息地相互作用，以提高精度。流动性沙漠向非流动性沙漠的转变仍然是一个亟待解决的问题，基于深度学习的轻量级、高精度沙丘特征提取与分类算法的开发将面临诸多挑战。

原文链接： https://www.mdpi.com/2072-4292/15/18/4412

( 发布日期: 2023-09-07 )