期刊链接：

https://www.mdpi.com/journal/remotesensing

微信链接：

https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=2650053775&idx=2&sn=

f54feb0be14477be556a0d3ab328c69b&chksm=f1d9264bc6aeaf5d015ce0f298939b0ffe

1b60cfad1e916f6793076cbaac97e49f592941136a&token=1387611467&lang=zh_CN#rd

昆士兰大学Stuart Phinn教授于2021年8月正式担任Ecological Remote Sensing (生态遥感) 专题的主编。Remote Sensing 编辑部在此表示热烈欢迎！期待在Stuart Phinn教授及其他优秀编委的带领下，本专题可以汇集有关生态遥感的前沿研究。同时他将继续为期刊质量严格把关，稳步提升期刊影响力。

专题主编介绍

Stuart Phinn 教授

昆士兰大学

Stuart Phinn教授在昆士兰大学教授遥感专业，是遥感研究中心的负责人，同时也是制定2026年澳大利亚地球观测社区计划的委员会主席。研究兴趣主要是使用地球观测数据、共享生态系统数据来测量和监测环境变化。目前在国际权威期刊上发表了185篇论文，并出版了10余部相关书籍和章节，H-Index为68，被引用超过10000次。

专题介绍

生态遥感专题致力于将基于现场和过程的测量与卫星、机载和无人机图像数据集联系起来以测量和监测生态系统的前沿研究。专题主题包括但不限于：

1. 测量和监测从植物到全球尺度的生态结构和过程；

2. 监测环境管理实践对生态结构和过程的影响；

3. 分离人为自然环境变化的影响；

4. 有效评估生态遥感应用的误差和通信；

5. 将本土生态理解与地球观测联系起来。

文章荐读

1. Land Cover Trends in South Texas (1987–2050): Potential Implications for Wild Felids

德克萨斯州南部的土地覆盖趋势 (1987–2050年)：对野生猫科动物的潜在影响

Jason V. Lombardi et al.

DOI：10.3390/rs12040659

图为比较美国南德克萨斯州里奥格兰德三角洲及周边牧场研究区2016年土地覆盖类型和2050年预计土地覆盖。

过去的35年里，德克萨斯州的里奥格兰德三角洲和周边牧场已成为美国城市化速度最快的地区之一。本研究评估了如何促成自1987年以来推动大规模土地覆盖变化的土地覆盖趋势。本文对1987年至2016年的Landsat图像进行分类，以量化不同的土地覆盖变化率，并使用住房密度情景来预测数量和2050年后木质覆盖的空间分布及其对野生猫科动物栖息地的潜在影响。本文预测，2050年，城市化将成为主要的景观类型，至少200平方公里的木质覆盖可能会消失，从而影响德克萨斯州南部的猫科动物种群。这些结果为预测未来的木本覆盖破碎及其对野生猫科动物种群连通性的潜在影响提供了重要信息。

2. Drone-Based Tracking of the Fine-Scale Movement of a Coastal Stingray (Bathytoshia brevicaudata)

基于无人机的沿海黄貂鱼的确切运动追踪

Semonn Oleksyn et al.

DOI：10.3390/rs13010040

图为无人机追踪黄貂鱼。

沿海生态系统正受到一系列人为影响的威胁，这些影响破坏了栖息地的连通性以及海洋动物的活动能力。通过调查确切的动物运动情况可以深入了解动物如何应对这些压力，并为有效的生态管理和保护策略提供支持。本研究以短尾黄貂鱼作为模型物种，通过无人机调查沿海河口该鱼确切运动的驱动因素。研究结果表明与较大的个体相比，较小的黄貂鱼以更规律的速度和更大的弯曲度游动，这说明不同大小的黄貂鱼会通过改变它们的确切运动行为来保持能量效率。研究结果表明与退潮相比，黄貂鱼不太可能花时间在涨潮时休息且会游得更快。另外，与一天中的其它时间相比，它们在中午 (上午11点到下午1点) 的游速也更有可能爆发。综上所述，作者认为身体大小、潮汐和一天中的时间都会影响黄貂鱼的确切运动。

3. Combining Regional Habitat Selection Models for Large-Scale Prediction: Circumpolar Habitat Selection of Southern Ocean Humpback Whales

结合区域生境选择模型进行大规模预测：南大洋座头鲸的环极生境选择

Ryan R. Reisinger et al.

DOI：10.3390/rs13112074

图为环极模型预测。

本文提出了一种重新构建用于组合单个区域不同算法的集成方法，该方法将区域栖息地选择模型视为候选模型，从而可以在拟合大范围动物栖息地选择的预测模型时纳入区域变化。本文通过南大洋五个地理区域的168头座头鲸的卫星遥测数据对该方法进行了测试，采用随机森林法将座头鲸位置与背景位置与10个环境协变量相关联的大规模模型拟合，并对座头鲸栖息地选择进行了环极预测，同时还拟合了五个区域模型，并将其预测用作四种集成方法的输入特征。本文通过在一个独立的观赏座头鲸和捕鲸数据验证数据集上测试了这些方法的预测性能。这些多区域集成方法产生的模型比环极天真模型具有更高的预测性能。在使用机器学习算法拟合全范围预测模型时，这些方法可用于在动物栖息地选择中纳入区域变化。这可以在可能显示栖息地选择变化的地区或动物种群之间产生更准确的预测。

Remote Sensing 期刊介绍

主编：Prasad S. Thenkabail, USGS Western Geographic Science Center (WGSC), USA

期刊范围涵盖遥感科学所有领域，从传感器的设计、验证和校准到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。期刊于2021年被三个新的Category*收录。

2020 Impact Factor：4.848

2020 CiteScore：6.6

Time to First Decision：18 Days

Time to Publication：43 Days