通过光学和SAR时间序列集成来增强早期季节大豆的识别
Hongchi Zhang1,2,3, Dailiang Peng1,2,3, Changyong Dou1,2,3
1Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China.
Frontiers in plant science
|November 5, 2025
概括
整合 Sentinel-1 SAR 和 Sentinel-2 光学数据可以提高大豆绘图的准确性. 这种多源远程传感方法提高了对粮食安全至关重要的及时作物分类.
科学领域:
- 农业遥感 农业遥感
- 地理空间分析的研究.
- 农作物监测 农作物监测
背景情况:
- 准确地绘制大豆分布地图对于中国的粮食安全至关重要.
- 传统的调查是劳动密集型的,范围有限.
- 卫星遥感提供了大规模,具有成本效益的作物监测,但在作物间的光谱相似性方面面临挑战.
研究的目的:
- 开发和评估一个多源遥感方法,用于准确的大豆分类.
- 通过使用综合数据,克服大豆和玉米之间的光谱相似性挑战.
- 为了提高大豆绘图的及时性和准确性.
主要方法:
- 集成 Sentinel-1 合成孔径雷达 (SAR) 和 Sentinel-2 光学时间序列图像.
- 使用统计描述符,调配合,现象学指标和基于雷达的特征.
- 使用随机森林分类器进行多源分类和时间分析.
主要成果:
- 多源融合方法实现了高精度 (OA: 96.85%,卡帕: 0.9493,F1得分: 95.84%).
- 合成孔径雷达 (SAR) 数据显著改善了在开花阶段的分类,F1得分提高了6.96%.
- 最早可识别时间 (EIT) 提前到年日 (DOY) 210,比光学数据更早大约20天.
结论:
- 多源遥感有效提高了大豆分类的准确性和及时性.
- 综合方法为精确的大豆绘图和季节性监测提供了可靠的支持.
- 这种方法在复杂的气候条件下为作物分类提供了有价值的解决方案.


