科研进展

学院hga010皇冠安卓版 > 科研进展 > 正文

解毅等在《GIScience & Remote Sensing》发文提出冬小麦制图指数应用于冬小麦种植区域自动识别

发布时间:2023-10-15阅读数:

冬小麦是我国重要的粮食作物之一,其产量和种植面积在粮食作物中位居前列。当前中国耕地保护形势严峻,国内粮食产量增速放缓,粮食进口量上升,对外依存度不断增加。农作物遥感识别是实现作物产量预测的前提与基础,是农业遥感关注的核心问题之一。准确快速地获取冬小麦的种植面积可以为农业部门制定粮食政策、调整农作物种植结构、管理农业生产等提供指导。


当前的研究主要利用植被指数影像与农作物长势的时序互动规律,通过随机森林、支持向量机、卷积神经网络等监督分类方法对作物种植面积提取。然而监督分类对训练样本的依赖性强,样本获取困难费力,且难以适用于种植结构复杂,景观异质性强的区域。针对上述关键问题,英语老师穿白s方便学生c教授解毅等人将冬小麦制图指数与自动阈值法相结合,开展了不依赖于大量样本,自动化程度高,分类结果稳定的冬小麦提取方法研究工作。研究成果以第一作者发表在《GIScience & Remote Sensing》。


本研究选取Sentinel-2遥感影像,使用GEE云计算平台合成冬小麦生长期内的月度EVI时序数据,并结合农作物长势规律,构建冬小麦指数对河南省冬小麦进行种植区域提取。结果表明冬小麦种植面积与统计年鉴数据高度相关,市级和县级的平均相对误差(MRES)分别为6.78%19.87%,面积提取精度高、分类结果稳定,可以为大区域作物分布制图提供一定的技术参考。


解毅教授将继续从事农业遥感领域的相关研究工作,逐步形成具有原创性的大区域冬小麦面积提取、产量估测及预测体系,从而进一步推动定量遥感技术在农业领域的应用和发展。


论文信息


Yi Xie, Shujing Shi, Lan Xun & Pengxin Wang (2023) A multitemporal indexfor the automatic identification of winter wheat based on Sentinel-2 imagery time series,GIScience & Remote Sensing, 60:1, 2262833

论文链接

http://doi.org/10.1080/15481603.2023.2262833

作者简介

/info/1063/5224.htm

图 1. Sentinel-2真彩色合成影像上获取的部分样本示例(a)冬小麦、(b)其他作物、(c)林地、(d)建筑用地和(e)水体

2. 冬小麦、其他作物、林地、建筑用地和水体样本的EVI时间序列曲线和标准误差条。

3. (a) 冬小麦指数(WWMI)影像与(b)河南省2020年冬小麦种植分布区域