使用远程传感器识别米作物田及其阶段:系统审查

科学领域:

• 农业遥感 农业遥感
• 地理空间分析是什么?
• 粮食安全监测 粮食安全监测

背景情况:

• 米是全球人口很大一部分的基本食物.
• 准确地绘制和监测田对于粮食安全,气候变化适应和土地管理至关重要.
• 人口增长需要加强农业监测系统.

研究的目的:

• 系统地审查用于绘制大米作物土地的遥感方法.
• 从2010年到2022年分析这些方法的演变和分类.
• 评估机器学习和常用算法在地图中的影响.

主要方法:

• 使用PRISMA协议进行系统的文献审查.
• 在2010年至2022年10月期间发表的122篇科学文章 (期刊和会议记录) 的选择.
• 基于数据源 (多谱,多源,雷达) 和分析传感器使用和机器学习算法的方法的分类.

主要成果:

• 多谱数据 (62%) 占主导地位,其次是多源数据 (20%) 和雷达 (18%).
• 最常使用的传感器是MODIS,Sentinel-2,Sentinel-1和Landsat-8.
• 随机森林,支持矢量机和Isodata是普遍存在的机器学习算法,越来越多地使用Sentinel-1数据,因为它的纹理和云透能力.

结论:

• 遥感,特别是随着多源数据和云检测的进步,为跨越各种作物成熟阶段的地图提供了强大的解决方案.
• 机器学习的整合,特别是随机森林,显著提高了绘图的准确性.
• 未来的趋势指向更频繁和更高分辨率的多源解决方案,用于全面的全球子监测.