[1] Mao Dehua, Luo Ling, Wang Zongming, et al. Conversions between natural wetlands and farmland in China: A multiscale geospatial analysis[J]. The Science of the Total Environment, 2018, 634: 550-560. doi: 10.1016/j.scitotenv.2018.04.009
[2] 张怀清, 郑 曼, 蒋 娴. 基于ArcGIS Engine的退耕还林决策支持系统研究[J]. 林业科学研究, 2008, 21(Z1):65-68. doi: 10.3321/j.issn:1001-1498.2008.z1.013
[3] 刘文超, 刘纪远, 匡文慧. 陕北地区退耕还林还草工程土壤保护效应的时空特征[J]. 地理学报, 2019, 74(9):1835-1852. doi: 10.11821/dlxb201909010
[4] Zhu Bingmiao, Zhu Xun, Zhang Ran, et al. Study of multiple land use planning based on the coordinated development of wetland farmland: A case study of Fuyuan City, China[J]. Sustainability, 2019, 11(1): 271. doi: 10.3390/su11010271
[5] 黄 妮, 刘殿伟, 王宗明, 等. 基于GIS的三江平原退耕还湿空间决策分析[J]. 地理科学, 2009, 29(6):874-879.
[6] 王雅慧, 陈尔学, 郭 颖, 等. 高分辨率多光谱遥感影像森林类型分类深度U-net优化方法[J]. 林业科学研究, 2020, 33(1):11-18.
[7] 姚 博, 张怀清, 刘 洋, 等. 面向对象CART决策树方法的湿地遥感分类[J]. 林业科学研究, 2019, 32(5):91-98.
[8] 戴昌达, 雷莉萍. TM图像的光谱信息特征与最佳波段组合[J]. 环境遥感, 1989(4):282-292.
[9] Wang Chunxing, Ma Nan, Ming Yanfang, et al. Classification of hyperspectral imagery with a 3D convolutional neural network and J-M distance[J]. Advances in Space Research, 2019, 64(4): 886-899. doi: 10.1016/j.asr.2019.05.005
[10] 郭力娜, 李 帅, 张梦华, 等. 最佳波段组合的城市土地利用类型提取[J]. 测绘科学, 2019, 44(8):161-167.
[11] 王平平, 田淑芳. 基于 WorldView2 数据的岩性信息增强方法——以内蒙古扎嘎乌苏地区为例[J]. 国土资源遥感, 2016, 28(4):176-184.
[12] 和晓风. 基于GF-1遥感湿地类型提取研究[D]. 长沙: 中南林业科技大学, 2017.
[13] Xie Fuding, Li Fangfei, Lei Cunkuan, et al. Unsupervised band selection based on artificial bee colony algorithm for hyperspectral image classification[J]. Applied Soft Computing, 2019, 75: 428-440. doi: 10.1016/j.asoc.2018.11.014
[14] Wang Mingwei, Wu Chunming, Wang Lizhe, et al. A feature selection approach for hyperspectral image based on modified ant lion optimizer[J]. Knowledge-Based Systems, 2019, 168: 39-48. doi: 10.1016/j.knosys.2018.12.031
[15] 魏芳洁. 高光谱图像波段选择方法的研究[D]. 哈尔滨: 哈尔滨工程大学, 2013.
[16] 马 娜, 胡云锋, 庄大方, 等. 基于最佳波段指数和J-M距离可分性的高光谱数据最佳波段组合选取研究——以环境小卫星高光谱数据在东莞市的应用为例[J]. 遥感技术与应用, 2010, 25(3):358-365. doi: 10.11873/j.issn.1004-0323.2010.3.358
[17] Frampton W J, Dash J, Watmough G, et al. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 82: 83-92. doi: 10.1016/j.isprsjprs.2013.04.007
[18] Adelabu S, Mutanga O, Adam E. Evaluating the impact of red-edge band from Rapideye image for classifying insect defoliation levels[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 95: 34-41. doi: 10.1016/j.isprsjprs.2014.05.013
[19] 梁志国, 隋 傲, 于 颖, 等. 高分六号遥感数据在有林地识别中的应用[J]. 东北林业大学学报, 2020, 48(5):35-39. doi: 10.3969/j.issn.1000-5382.2020.05.007
[20] Peng L, Liu K, Cao J, et al. Combining GF-2 and RapidEye satellite data for mapping mangrove species using ensemble machine-learning methods[J]. International Journal of Remote Sensing, 2020, 41(3): 813-838. doi: 10.1080/01431161.2019.1648907
[21] Madonsela S, Cho M A, Mathieu R, et al. Multi-phenology WorldView-2 imagery improves remote sensing of savannah tree species[J]. International Journal of Applied Earth Observation and Geoinformation, 2017, 58: 65-73. doi: 10.1016/j.jag.2017.01.018
[22] 张沁雨, 李 哲, 夏朝宗, 等. 高分六号遥感卫星新增波段下的树种分类精度分析[J]. 地球信息科学学报, 2019, 21(10):1619-1628. doi: 10.12082/dqxxkx.2019.190116
[23] 魏梦凡. 基于Sentinel-2A卫星遥感影像的开封市冬小麦种植面积提取技术研究[D]. 开封: 河南大学, 2019.
[24] 梁 继, 郑镇炜, 夏诗婷, 等. 高分六号红边特征的农作物识别与评估[J]. 遥感学报, 2020, 24(10):1168-1179.