東北地理所研發(fā)了單景遙感影像大豆制圖指數(shù)
農(nóng)作物尤其是大宗作物的精準(zhǔn)識(shí)別與詳細(xì)的空間分布信息是糧價(jià)預(yù)測(cè)、作物估產(chǎn)及進(jìn)行政治決策的先決條件。大豆作為全球重要的糧食和經(jīng)濟(jì)作物,在保障糧食安全及提升土壤質(zhì)量方面發(fā)揮著重要作用。由于大豆和玉米具有相似的物候和光譜特征,準(zhǔn)確、快速且可推廣的遙感大豆制圖方法一直是一個(gè)具有挑戰(zhàn)性的難題。目前,基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的監(jiān)督分類方法,高度依賴訓(xùn)練樣本、且跨區(qū)域、跨氣候效果較差;基于作物物候、時(shí)序曲線特征或者先驗(yàn)知識(shí)的非監(jiān)督分類方法,雖然不依賴訓(xùn)練數(shù)據(jù),但其分類精度相對(duì)較低且依賴于長(zhǎng)時(shí)間序列遙感數(shù)據(jù),計(jì)算數(shù)據(jù)量大且復(fù)雜度高,難以推廣且不利于農(nóng)作物遙感早期識(shí)別。

圖1. GWCCI大豆制圖指數(shù)流程圖
針對(duì)以上科學(xué)難題,中國(guó)科學(xué)院東北地理所李華朋副研究員和陳慧博士基于大豆生長(zhǎng)的生物物理機(jī)理,創(chuàng)新性地提出了一種綜合考慮綠度和水分的大豆制圖指數(shù)(Greenness and water content composite index, GWCCI),該指數(shù)僅利用大豆生長(zhǎng)峰值時(shí)期內(nèi)的任意一景Sentinel-2多光譜影像,通過簡(jiǎn)單的指數(shù)計(jì)算(NDVI*SWIR),即可實(shí)現(xiàn)高效且快速的大豆制圖。該指數(shù)不需要訓(xùn)練樣本,不依賴長(zhǎng)時(shí)間序列遙感數(shù)據(jù),從而大大簡(jiǎn)化了數(shù)據(jù)預(yù)處理流程并大幅降低了計(jì)算復(fù)雜度;同時(shí),該指數(shù)能最早于收獲前近三個(gè)月實(shí)現(xiàn)大豆精準(zhǔn)制圖,為作物分布早期識(shí)別奠定基礎(chǔ)。該指數(shù)的生物物理基礎(chǔ)簡(jiǎn)述如下:在大豆生長(zhǎng)峰值時(shí)期,大豆在所實(shí)驗(yàn)的主要地表覆被類型(大豆、玉米、水稻、其他作物、林地、建筑和水體)中呈現(xiàn)唯一的高NDVI(高綠度)---高SWIR(低含水量)特征,因而NDVI與SWIR的乘積可有效將大豆與其他作物和非作物區(qū)分開來。

圖2. 不同農(nóng)作物和土地利用GWCCI時(shí)間序列變化圖
選擇全球四大典型大豆種植國(guó)(中國(guó),美國(guó),巴西和阿根廷)的7個(gè)縣(處于不同的氣候帶、不同的降水總量、不同的灌溉方式(旱作VS灌溉)以及不同的種植模式(單季和雙季))來證實(shí)GWCCI的有效性。我們將從中國(guó)東北黑土典型區(qū)域-海倫市計(jì)算得到的最佳閾值直接應(yīng)用于其他6個(gè)研究區(qū),并開展了連續(xù)5個(gè)年份(2017-2021)的測(cè)試。研究結(jié)果顯示,GWCCI能夠有效識(shí)別大豆空間分布,7個(gè)研究區(qū)連續(xù)5年的平均總分類精度為86.76%(k=0.74),顯著高于傳統(tǒng)機(jī)器學(xué)習(xí)方法(RF和SVM)。上述結(jié)果證實(shí)了GWCCI跨區(qū)域、跨年份的高效性和魯棒性。

圖3. 不同研究區(qū)GWCCI大豆制圖指數(shù)結(jié)果
該研究構(gòu)建了基于單景遙感影像大豆制圖指數(shù),具備堅(jiān)實(shí)的生物物理基礎(chǔ),穩(wěn)定性強(qiáng)、準(zhǔn)確度高且計(jì)算簡(jiǎn)單,為開展大面積高效的大豆制圖提供了可能。同時(shí),GWCCI所依賴的生物物理基礎(chǔ)為其他作物指數(shù)的研發(fā)提供了新的解決思路,為農(nóng)作物分布與產(chǎn)量的高精度實(shí)時(shí)監(jiān)測(cè)奠定了可靠的方法基礎(chǔ)。
該研究成果于近期發(fā)表在遙感領(lǐng)域頂級(jí)期刊Remote Sensing of Environment上(國(guó)際頂級(jí)C刊,IF: 13.85),論文由地理信息系統(tǒng)學(xué)科組陳慧博士(第一作者)、李華朋副研究員(第一通訊)和張樹清研究員(共同通訊)等共同完成。該研究得到中科院戰(zhàn)略性先導(dǎo)科技專項(xiàng)項(xiàng)目(XDA28070500)、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2021YFD1500100)等項(xiàng)目共同資助。
論文信息:
Hui Chen, Huapeng Li*, Zhao Liu, Ce Zhang, Shuqing Zhang*, Peter M. Atkinson. A novel Greenness and Water Content Composite Index (GWCCI) for soybean mapping from single remotely sensed multispectral images. Remote Sensing of Environment, 2023, DOI: 10.1016/j.rse.2023.113679
網(wǎng)絡(luò)鏈接:https://www.sciencedirect.com/science/article/abs/pii/S0034425723002304
附件下載:
吉公網(wǎng)安備22017302000214號(hào)