冬季小麦种植结构和现象学阶段的自动映射使用时间序列的哨兵数据
Changkui Sun1, Yang Tao1, Shanlei Liu1
1Department of Remote Sensing Imagery, Provincial Geomatics Center of Jiangsu, Nanjing, 210013, People's Republic of China.
Scientific reports
|August 2, 2024
概括
准确地绘制冬季小麦种植结构对粮食安全至关重要. 这项研究开发了一种使用现象学和NDVI数据的自动化方法,在没有手动输入的情况下实现高精度.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 地理空间分析是什么
背景情况:
- 精确的冬季小麦种植结构提取对于粮食安全,农业管理和政策决策至关重要.
- 现有的方法可能缺乏自动化或需要广泛的培训数据.
- 了解作物现象学是准确农业监测的关键.
研究的目的:
- 开发一种自动化方法,利用现象学数据提取冬季小麦种植结构.
- 提高冬季小麦分布图的准确性和效率.
- 提供一种可转移的方法,适用于不同地区和条件.
主要方法:
- 自动过和重建NDVI时间序列数据,使用最佳的萨维茨基-戈莱 (S-G) 过器,通过合适效应指数来确定.
- 通过值,自动识别冬季小麦的现象学阶段 (播种,标题,收获).
- 使用层次分类原则和先验样本库构建种植结构提取模型.
主要成果:
- 拟合效应指数有效地确定了NDVI数据的最佳S-G过参数.
- 提取的现象相与地面观测和MOD12Q2产品具有很高的一致性.
- 该方法实现了高精度 (94.92%),空间精度 (93.26%) 和0.9228.8的卡帕系数.
结论:
- 拟议的方法允许快速和显著的冬季小麦地区的识别.
- 该方法是自动化的,不需要培训样本或手工专业知识,证明了强大的可转移性.
- 该技术为冬季小麦种植结构提取和农业监测提供了强大的解决方案.


