撰稿人：丁雪 审稿人：李汉杰
2021年6月22日上午8：00，应地理科学学院的邀请，美国康涅狄洛大学地理系及环境科学与工程中心张传荣教授在线上作题为“利用机载 LiDAR 、高分辨率正射影像和谷歌街景对大城市的城市地块土地利用分类”的学术报告。本次报告由地理科学学院张林英副教授主持，全校师生近100余人参加了本次讲座。
讲座伊始，张林英副教授概略介绍了张传荣教授并对张传荣教授的到来致以诚挚欢迎。紧接着，讲座上张传荣教授基于科研团队对城市土地利用扩张检测的丰富经验，对利用海岛机载雷达 、高分辨率正射影像和谷歌街景检测城市土地利用类型的技术做出介绍。
张传荣教授首先提出城市土地利用信息越来越重要，城市景观具有复杂特性，它的性质主要是根据社会经济功能定义，通过光学遥感图像的光谱反射率识别土地利用仍然是个巨大挑战。提出了由于特大城市是最复杂的景观具有三维特性，当前很少有基于区域土地利用有效性的特大城市土地分类方法使用。张传荣教授提出为应对大城市景观复杂性，除了高分正射影像和LiDAR外，一项首先使用GSV图像改进土地分类的研究。选研究区为纽约，研究目标是利用基于区域的方法与地块边界数据一起用于土地利用分类，使用带有LiDAR数据、HRO和GSV影像的随机森林分类器的分类方法探究基于斑块城市土地利用分类方法的在大城市的可行性。测试不同地块特征对城市土地利用分类的重要性以及检查GSV图像在复杂大城市背景下提高城市土地利用分类准确性。
接着，张传荣教授介绍了研究中所使用的数据，包括地块数据、研究区边界数据、地块水平上土地利用数据、街道数据等GIS数据，以及机载雷达数据、高分辨率正射影像数据和谷歌街景数据。使用随机森林分类方法进行土地利用分类，将13个地块特征作为随机森林分类器中的输入变量，其中只有宗地大小直接给定，其他12个斑块要素是根据HRO、LiDAR、GSV确定的，最终分类器将地块的其余部分分为7种土地利用类型并进行精度检验。
此外，张传荣教授还介绍了其中使用到的指标和技术有归一化植被指数、建筑监测、自动检测和识别GSV图像中的文本、Scikit-learn机器学习库中的RF分类器等。最终得出结论，由GSV影像在一定程度上提高了对于混合居民住宅和商业建筑类型的生产者和用户精度，仅适用遥感影像的随机森林分类数据基于斑块的城市土地利用分类可以提高单户家庭住宅和多户家庭住宅分类精度，除此之外还对地块特征进行了重要性评价。
最后张传荣教授提出RS技术广泛用于检测城市横向、纵向增长，但很少研究使用中分变率光学卫星图像，利用阴影信息测量城市垂直增长，所以向同学们介绍了一个关于探讨20年间广州城市扩张及其与主要社会经济因素的关系，利用中分RS影像和多源数据估算水平和垂直城市增长的技术。
最后，张林英副教授再次感谢了嘉宾的精彩分享，至此，本次在热烈的交流气氛中活动圆满结束。