近日，兰州大学资源环境学院吴小丹课题组的20级硕士研究生汪静平同学的论文“upscaling in situ site-based albedo using machine learning models: main controlling factors on results”已被遥感领域知名期刊ieee transactions on geoscience and remote sensing接收发表。该论文是吴小丹团队在遥感尺度转换方面的又一重要研究成果。在机器学习方法应用于遥感数据尺度转换的背景下，深入研究了基于机器学习的升尺度问题，详细分析了基于机器学习的升尺度过程中的不确定性因素，指出了升尺度结果的准确性依赖于机器学习模型的选择，关键变量的包含与否，变量数据集的来源和精度，训练样本的数量和代表性，以及模型对这些因素的敏感性。同时，研究表明了基于机器学习的升尺度方法具有一定的跨尺度跨区域的适用性，改善了目前真实性检验以地面试验场观测为主的现状，具有生成具有足够时间长度、一致性和空间连续的参考数据集的潜力，有利用满足广泛验证的要求。该研究得到了中国高分辨率对地观测系统重大专项、国家自然科学基金委面上项目、以及中央高校基本科研业务费项目的资助。
此外，吴小丹课题组19级硕士研究生马杜娟同学的论文“spatial, phenological, and inter-annual variations of gross primary productivity in the arctic from 2001 to 2019”在遥感领域知名期刊remote sensing发表。该文章分析了北极区域gpp的时空变化特征以及其随纬度，高程，植被类型的变化情况，在全球气候持续变化的背景下，该文章为认识北极区域乃至全球碳循环情况提供了一定的参考。该研究由国家重点研发计划项目，国家自然科学基金项目以及中央高校基本科研业务费专项资金联合资助。
english
