整合基于知识和机器学习用于海南岛的贝特尔棕地图,使用哨兵-1/2和谷歌地球引擎
Hongxia Luo1,2, Shengpei Dai3, Yingying Hu1,2
1Institute of Scientific and Technical Information, Chinese Academy of Tropical Agricultural Sciences/Key Laboratory of Applied Research on Tropical Crop Information Technology of Hainan Province, Haikou 571101, China.
Plants (Basel, Switzerland)
|September 13, 2025
概括
在中国绘制贝特尔棕树的地图,现在可以更准确地使用Sentinel-1/2数据和谷歌地球引擎. 这种新方法为更好的农业管理提供了详细的10m分辨率地图.
科学领域:
- 农业遥感 农业遥感
- 地理空间分析的研究.
- 热带作物监测 热带作物监测
背景情况:
- 贝特尔棕种植对海南岛的经济至关重要.
- 准确地绘制贝特尔棕的空间分布图是具有挑战性的,但对于行业管理和生态评估至关重要.
- 现有的方法在复杂的热带环境中难以进行大规模的绘制.
研究的目的:
- 开发一个综合框架,用于海南岛的高分辨率 (10米) 贝特尔棕地图,使用Sentinel-1/2数据和谷歌地球引擎 (GEE).
- 为2023年在中国提供一张准确的贝特尔棕的空间分布图.
- 评估结合基于知识和机器学习方法用于热带作物绘图的有效性.
主要方法:
- 使用 Sentinel-1/2 卫星数据和谷歌地球引擎 (GEE) 进行大规模分析.
- 使用签名信息 (Sentinel-1) 和绿色规范差异植被指数 (GNDVI) (Sentinel-2) 划分森林覆盖面.
- 使用随机森林分类器与后勤回归 (LR) 进行特征选择,以提取贝特尔棕斑块.
主要成果:
- 创建了2023年海南岛的10米空间分辨率贝特尔棕地图,准确度高 (总准确率为97.51%).
- 该地图确定了总种植面积为189,805公,与统计数据有很强的相关性 (R2 = 0.74).
- 贝特尔棕分布集中在海南东部,这与有利的环境条件有关.
结论:
- 卫星 Sentinel-1/2 的数据和 GEE 提供了一个强大的工具,用于在复杂的热带景观中绘制贝特尔棕树的地图.
- 综合框架为热带作物绘制和农业管理提供了可靠的方法.
- 这些发现支持优化热带农业实践和资源管理.
