image: 本研究提出了一种基于地表复杂性的优化抽样方法，通过计算局部复杂度得分，采用分位数划分样本，并设定加权抽样概率，使得所选样本更加具有代表性。该方法有效减少了抽样偏差，提高了遥感智能解译的准确性，为复杂地表环境下的遥感数据分析提供了优化的样本选取策略。 view more
Credit: 北京中科期刊出版有限公司
《地球信息科学学报》杂志近期发表了一项由中国科学院地理科学与资源研究所的李连发研究员和杨晓梅研究员团队主导的研究。该研究提出了一种基于复杂度的优化抽样方法，旨在提高遥感解译在复杂和异质环境中的准确性和可靠性。
本研究系统回顾了遥感标记样本的抽样方法，探讨了通过多尺度形态转换扩充样本的技术，并提出了标记样本质量评估策略。通过引入地表复杂度分析和加权分层抽样，该方法有效减少了抽样偏差，提高了分类精度。此外，多尺度形态转换技术进一步扩充了样本多样性，增强了遥感模型的稳健性。
实验结果表明，该基于复杂度的优化抽样方法在捕捉地表变化和提升解译精度方面显著优于传统方法。李连发研究员表示：“通过优化抽样方法，提高样本的代表性，并结合复杂度分析和形态转换技术，我们能够提升遥感解译在复杂环境中的可靠性。”
本研究为推动遥感智能解译技术的发展提供了坚实的理论和技术基础。优化后的抽样策略在灾害监测、生态评估和自然资源管理等领域具有广泛的应用前景，有助于在复杂环境背景下实现更精准的数据驱动决策。研究详情请见原文：
自然资源遥感智能解译中复杂场景样本抽样方法研究(Sampling Method for Complex Scene Samples in the Intelligent Interpretation of Natural Resources Remote Sensing.)
DOI:10.12082/dqxxkx.2024.240278
https://www.sciengine.com/JGIS/doi/10.12082/dqxxkx.2024.240278（如果您希望将文章全文翻译成英文阅读，请点击该网页中按钮 “科大讯飞翻译（iFLYTEK translation）”）
Article Title
Research on Sampling Method of Complex Scenes in Natural Resources Remote Sensing Intelligent Interpretation
Article Publication Date
25-Feb-2025