新方法基于机器学习和遥感卫星开展草地利用强度研究
　　近日出版的《环境遥感》杂志刊发论文称，德国亥姆霍兹环境研究中心（UFZ）的研究人员开发了一种新方法，可基于卫星数据和机器学习方法对草地和牧场的土地利用强度进行高分辨率、国家级范围的制图绘图。
　　草原长期保护的先决条件是基础管理，例如割草或放牧。如果不使用，这些地区会遇到灌木侵占。但草原管理的强度对其提供生态系统服务的能力至关重要。然而，关于农民如何管理草原的公开数据缺乏，因此需要更多关于草原土地利用强度的信息，以便更好了解生态系统的稳定性和功能。
　　来自UFZ的研究人员基于地球观测卫星Sentinel-2的可用数据，研究了2017年和2018年德国草原的土地利用强度。研究人员使用人工智能技术分析了从卫星图像中获得的多维数据，推导出割草频率，牛、马、绵羊和山羊的放牧强度以及施肥情况3个指标的信息。此外，研究人员还从3个生物多样性观测站的现场数据中获得了验证数据。研究人员使用了两种算法评估机器学习从卫星数据中识别实际草地使用的准确度，即RF（随机森林）和CNN（卷积神经网络）。分析结果显示，两种方法都很好地反映了实际观测情况，相比之下，CNN方法准确率更高。研究人员还在德国4个示例地区测试了结果的合理性和准确性。最后，基于该方法，研究人员研发了德国草地在2017—2018年度20米尺度上的割草事件数量、放牧强度、化肥使用和土地利用程度的可视化地图。
　　研究人员表示，类似的评估仅是一个良好的开头，未来仍需要来自其他地区更为精确的管理数据，以便通过机器学习算法得到更精确的结果。
　　相关论文信息：https://doi.org/10.1016/j.rse.2022.112888
　　新仪器助力更高分辨率大气监测
　　近日，英国研究与创新中心（UKRI）发布消息称，该机构研究人员研发出一款名为高光谱微波测深仪（HYMS）的仪器，可为天气预报提供增强的数据。HYMS是一种新型的先进毫米波发声器，体积仅有鞋盒大小，而且相对便宜。该仪器将搭载在一颗小型卫星上发射，最终目标是建立一个完整的卫星星座以开展大气监测业务。建成后，世界各地的气象机构和市场能获得额外的天基天气数据集。
　　卫星是现代天气预报中最重要的工具，提供超过90%的预测模型数据。真正的全球天气数据只能从太空的有利位置收集。传统的气象卫星很大，发射成本昂贵。由于这些传统卫星的规模庞大，通常只有2～3颗在轨运行。它们每天绕地球运行2次，因此大气层每8～12小时仅能在同一位置被监测一次。在监测飓风等快速变化的全球天气事件时，这些有限的观测窗口并不理想。
　　卫星收集的一个关键数据是微波探测信息。光学和红外成像仪无法透过云层进行观测，而微波测深仪则能提供大气中温度和湿度的连续数据。这些以及通过监测射频信号捕获的天气数据是用于预测天气的计算机模型的基础。HYMS可提供的频率分辨率是传统气象卫星的4倍。HYMS的大小约为普通探测器的1/50，所以可以发射几十个这样的探测器，这样每半小时就能拍摄一次相同部分的大气图像。这对于跟踪快速变化的极端事件和监测没有地面仪器的地区至关重要，例如在发展中国家或在天气变化迅速的海洋上空。