在丘陵地区使用所有可用的哨兵-1/2图像识别中小的大米田
Lihua Wang1,2,3, Hao Ma4, Yanghua Gao5
1Chongqing Institute of Meteorological Sciences, Chongqing, 401147, China. wanglihua1@nbu.edu.cn.
Plant methods
|February 4, 2024
概括
这项研究开发了一种遥感方法,用于在复杂的丘陵地形中准确识别田. 该方法整合了卫星数据和地形信息,以改善大米生产监测.
科学领域:
- 农业遥感 农业遥感
- 地理空间分析是什么?
- 农作物监测 农作物监测 农作物监测
背景情况:
- 米监测对于粮食安全和农业规划至关重要.
- 现有的遥感方法往往忽视了山区的水种植,因为田地碎片化和土地覆盖面不同.
- 在这些地区准确识别中小大米田仍然具有挑战性.
研究的目的:
- 开发和验证基于遥感的解决方案,用于在丘陵地区精确识别田.
- 为了克服以往专注于平原地区的研究的局限性.
- 为了能够在不同的地形景观中准确监测大米生产.
主要方法:
- 使用 Sentinel-1 SAR,Sentinel-2 MSI,数字海拔模型 (DEM) 和大米日历数据.
- 在四个关键的现象学阶段构建了大米特征数据集.
- 开发了一个光谱相似性算法,结合了地形和现象学特征.
主要成果:
- 通过整合地形和现象学数据,通过整合地形和现象学数据,实现了超过0.85的整体精度.
- 证明了高的认可成功率:超过79%的领域>400 m2和89%的领域>800 m2.
- 据悉,Sentinel-1 SAR和Sentinel-2 MSI数据的协同作用显著改善了400平方米至2000平方米之间的领域的识别.
结论:
- 拟议的解决方案有效地映射了山区的零碎和分散的田.
- 整合地形和现象学特征是准确识别大米田的关键.
- 卫星数据的协同作用增强了监测各种田径大小的水种植的能力.
