Page 96 - 《武汉大学学报（信息科学版）》2025年第9期

1824 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月
Temporal Remote Sensing Imagery［J］. Geomatics ［31］ 殷崎栋， 柳彩霞， 田野 . 基于 Landsat 时序影像和

and Information Science of Wuhan University， LandTrendr 算法的森林保护区植被扰动研究： 以陕
2018， 43（12）： 1885-1898. 西柴松和太白山保护区为例［J］. 生态学报， 2020，
［24］ KENNEDY R E， YANG Z Q， COHEN W B. De⁃ 40（20）： 7343-7352.
tecting Trends in Forest Disturbance and Recovery YIN Qidong， LIU Caixia， TIAN Ye. Detecting Dy⁃
Using Yearly Landsat Time Series： 1. LandTrendr namics of Vegetation Disturbance in Forest Natural
—Temporal Segmentation Algorithms［J］. Remote Reserve Using Landsat Imagery and LandTrendr
Sensing of Environment， 2010， 114（12）： 2897- Algorithm： The Case of Chaisong and Taibaishan
2910. Natural Reserves in Shaanxi， China［J］. Acta Eco⁃
［25］ 杜培军， 林聪， 陈宇， 等 . 多时相遥感影像样本迁 logica Sinica， 2020， 40（20）： 7343-7352.
移模型与地表覆盖智能分类［J］. 同济大学学报（自 ［32］ BREIMAN L. Random Forests ［J］. Machine
然科学版）， 2022， 50（7）： 955-966. Learning， 2001， 45（1）： 5-32.
DU Peijun， LIN Cong， CHEN Yu， et al. Training ［33］ 雷震 . 随机森林及其在遥感影像处理中应用研究
Sample Transfer Learning from Multi-temporal Re⁃ ［D］. 上海： 上海交通大学， 2012.
mote Sensing Images for Dynamic and Intelligent LEI Zhen. Random Forest and Its Application in Re⁃
Land Cover Classification［J］. Journal of Tongji mote Sensing［D］. Shanghai： Shanghai Jiao Tong
University （Natural Science） ， 2022， 50 （7） ： University， 2012.
955-966. ［34］ BELGIU M， DRĂGUŢ L. Random Forest in Re⁃
［26］ 黄亚博， 廖顺宝 . 多源数据的土地覆被样本自动提 mote Sensing： A Review of Applications and Future
取［J］. 遥感学报， 2017， 21（5）： 757-766. Directions［J］. ISPRS Journal of Photogrammetry
HUANG Yabo， LIAO Shunbao. Automatic Collec⁃ and Remote Sensing， 2016， 114： 24-31.
tion for Land Cover Classification Based on Multi⁃ ［35］ FASSNACHT F E， LATIFI H， STEREŃCZAK
source Datasets［J］. Journal of Remote Sensing， K ， et al. Review of Studies on Tree Species Clas⁃
2017， 21（5）： 757-766. sification from Remotely Sensed Data［J］. Remote
［27］ 鲍蕊， 薛朝辉， 张像源， 等 . 综合聚类和上下文特 Sensing of Environment， 2016， 186： 64-87.
征的高光谱影像分类［J］. 武汉大学学报（信息科学 ［36］ GRIME J P. Vegetation Classification by Reference
版）， 2017， 42（7）： 890-896. to Strategies ［J］. Nature， 1974， 250 （5461） ：
BAO Rui， XUE Zhaohui， ZHANG Xiangyuan， et 26-31.
al. Classification Merged with Clustering and Con⁃ ［37］ EVANS J P， GEERKEN R. Classifying Rangeland
text for Hyperspectral Imagery［J］. Geomatics and Vegetation Type and Coverage Using a Fourier
Information Science of Wuhan University， 2017， 42 Component Based Similarity Measure［J］. Remote
（7）： 890-896. Sensing of Environment， 2006， 105（1）： 1-8.
［28］ 滕思翰 . 基于 SPOT-5 的阿鲁科尔沁旗土地荒漠化 ［38］ WANG X T， ZHANG S， FENG L L， et al. Map⁃
动态变化研究［D］. 呼和浩特： 内蒙古农业大学， ping Maize Cultivated Area Combining MODIS EVI
2016. Time Series and the Spatial Variations of Phenology
TENG Sihan. Study on the Dynamic Changes of over Huanghuaihai Plain ［J］. Applied Sciences，
Land Desertification in Arhorchin Based on SPOT-5 2020， 10（8）： 2667.
［D］. Hohhot： Inner Mongolia Agricultural Universi⁃ ［39］ 田庆久， 闵祥军 . 植被指数研究进展［J］. 地球科学
ty， 2016. 进展， 1998， 13（4）： 327-333.
［29］ YANG J， HUANG X. The 30 m Annual Land TIAN Qingjiu， MIN Xiangjun. Advances in Study
Cover Dataset and Its Dynamics in China from 1990 on Vegetation Indices［J］. Advances in Earth Science，
to 2019［J］. Earth System Science Data，2021，13 1998， 13（4）： 327-333.
（8）： 3907-3925. ［40］ RICHARDSON A J， WIEGAND C L. Distin⁃
［30］ AI Earth. DAMO AI Earth［EB/OL］. （2021-06- guishing Vegetation from Soil Background Informa⁃
24） ［2023-04-30］. https：//engine-aiearth. aliyun. tion［J］. Photogrammetric Engineering and Remote
com/#/dataset/DAMO_AIE_CHINA_LC/. Sensing， 1977， 43（12）： 1541-1552.