一种基于时间序列红边植被指数和现象特征的协同集成的大型农业土地分类方法

科学领域:

• 农业遥感 农业遥感
• 地理空间分析是什么?
• 土地覆盖的分类 土地覆盖的分类

背景情况:

• 准确的农田分类对于粮食安全和可持续性至关重要.
• 传统的时间序列分析在大规模绘图方面面临着挑战.
• 卫星Sentinel-2的图像为农业监测提供了有价值的数据.

研究的目的:

• 开发和评估农业用地分类的多级特征增强框架.
• 提高绘制不同类型农田地图的准确性和可扩展性.
• 在捕捉微妙特征方面克服传统时间序列分析的局限性.

主要方法:

• 使用的Sentinel-2时间序列红边植被指数 (REVI),特别是正常化差异红边指数 (NDRE705) 和植物衰老反射率指数 (PSRI).
• 引入了新设计的空间特征参数 (SFP) 和现象特征参数 (PFP),以增强时间特征.
• 开发了一个最佳分类方案 (FC6),将增强的空间和现象特征与时间序列REVI.整合在一起.

主要成果:

• 对NDRE705和PSRI的协同应用优于单指数方法.
• 将SFP和PFP与时间序列REVI集成显著改善了特征歧视,PFP显示出卓越的表现学特征放大.
• 最优的FC6方案实现了93.21%的准确性 (卡帕:0.9159),比基线提高了4.83%和0.0538.
• 成功地绘制了120,996平方公里的农田,区分了诸如作物旋转,单季田,果园和蔬菜田等关键类型.

结论:

• 多级特征增强框架为农业用地分类提供了强大而可扩展的方法.
• 该方法有效地利用时间序列数据,并战略性地增强关键的时间特征,以提高准确性.
• 这种方法对于复杂的农业系统和多样化的作物模式的地区尤其有价值,推动了大规模的农业绘图.