南農智慧農業創新團隊發布2020-2022年中國10米空間分辨率冬小麥識別數據集

          

       近期,南京農業大學農學院智慧農業創新團隊通過國家生態科學數據中心生態網絡云平臺(http://www.jlxjzsd.com)發布了2020-2022年中國10米空間分辨率冬小麥識別數據集,用戶可在線訪問獲取數據。相關研究成果以“Automated in-season mapping of winter wheat in China with training data generation and model transfer”為題發表在ISPRS Journal of Photogrammetry and Remote Sensing期刊。

       作物類型遙感分類產品能夠提供準確的作物空間分布和種植面積信息,是區域尺度作物生長監測和生產力預測的基礎底圖,對于糧食安全風險評估至關重要。目前,美國、加拿大等發達國家每年定期發布當年作物分類產品,用于評估國內糧食生產和國際糧食貿易情況。與此同時,中國等廣大發展中國家也在積極探索基于遙感大數據的作物制圖方法,然而由于田塊破碎、種植方式復雜等因素,這些方法普遍存在精度不高、效率低、普適性差等問題,大尺度、高精度的作物分類產品仍然匱乏?,F有基于遙感技術的作物分類產品生產多使用機器學習方法,這些方法嚴重依賴地面真實數據,以訓練機器學習分類器并構建作物分類模型。一般而言,地面真實數據的獲取需要野外逐點調查,時間、人力、物力成本高且效率低。因此,開發一套訓練數據自動化提取方法,對于大范圍作物分類產品的自動化生產至關重要。此外,現有大多數作物分類產品的公開發布時間存在嚴重滯后性,難以滿足當季作物生產精確管理的需求。

       研究團隊綜合分析了我國冬季主要地物類型及其光譜變化規律(圖1),首先構建了一個冬季作物指數(winter crop index, WCI),用于增強冬季作物信號并抑制其他地物信息。通過進一步分析冬季作物和其他地物的WCI差異,提出一種格網化(1° × 1°)的自適應閾值分割算法,自動化提取冬季作物像素(圖2)。此外,為了克服冬季作物關鍵物候期光學衛星影像缺失和主要作物光譜相似的問題,該研究進一步探索了基于合成孔徑雷達(SAR)的冬小麥和冬油菜區分策略。結果表明,基于油菜開花期的VH極化能夠最有效地區分冬小麥和冬油菜像素(圖3)。通過對提取的冬小麥和其他地物像素進一步提純和過濾,分別在20202021年獲得約19萬個訓練樣本。該研究基于遙感云計算平臺,調用約14萬景Sentinel-1SAR衛星)和Sentinel-2(光學衛星)影像,通過耦合自動化提取的訓練樣本和隨機森林分類模型,首次實現了大范圍冬小麥遙感分類過程的自動化,制作了世界上第一套10米分辨率中國冬小麥分類產品(ChinaWheat10)(圖4 AB)。獨立驗證表明該產品的平均分類精度為94%,遙感估測種植面積與省級尺度統計數據的相關性極高(R2> 0.96)。與其他冬小麥分類產品相比,ChinaWheat10分類精度高5%以上,而且空間分辨率更高,空間細節更加明確,麥田識別完整度更高。

 

1. 冬季作物指數構建示意圖。(圖中用冬小麥代表冬季作物物候期)

 

2. 基于冬季作物指數和自適應閾值分割的冬季作物像素提取。(A)、(B)和(C)分別為2020年冬小麥生長旺盛期的Sentinel-2標準假彩色合成影像、冬季作物指數以及提取的冬季作物像素,(D)、(E)和(F)分別為2021年相應內容

 

3. 冬小麥和冬油菜不同遙感特征的時序變化曲線。(A)和(B)分別為基于光學衛星Sentinel-2歸一化植被指數(NDVI)和歸一化黃度指數(NDYI)的時序變化曲線,(C)和(D)分別為基于SAR衛星Sentinel-1 VVVH極化的時序變化曲線。(圖中虛線為平均值,對應陰影區域為標準差,黃色背景為油菜開花期時間范圍)

 

4. 中國冬小麥主產區10米空間分辨率冬小麥分類產品。(A)和(B)分別為基于自動化生成訓練數據的20202021年冬小麥分類結果,(C)和(D)分別為基于模型遷移的20212022年冬小麥分類結果

為了克服冬小麥分類產品發布不及時的問題,該研究進一步探索了基于模型年際遷移的冬小麥分類方法?;跉v史年份分類模型,成功實現了20212022年冬小麥的精確識別(圖4 CD),總體分類精度同樣可以達到94%以上。此外,模型遷移和時序分析結果表明:在越冬期后,冬小麥分類精度可穩定在80%以上,拔節期精度可達到85%,抽穗期可達到最高識別精度(90%以上)(圖5)。該研究首次提出了一種基于多源衛星遙感數據和專家知識(冬季作物主要類型和相應物候日歷)的國家尺度冬小麥訓練數據自動化生成方法,攻克了大范圍冬小麥遙感識別缺乏訓練數據的難題;通過模型遷移明確了冬小麥關鍵生育時期的識別精度,首次實現了高精度高分辨率全國冬小麥識別與遙感制圖的自動化,研制了全球第一套10米分辨率中國冬小麥遙感分類產品,為大范圍冬小麥遙感產品的業務化生產和發布奠定了基礎,對于我國以及全球糧食安全監測預警具有重要價值。

5. 基于不同分類特征和模型遷移的冬小麥分類精度變化趨勢。(A)和(C)分別為2021年冬小麥總體分類精度和F1得分,(B)和(D)分別為2022年對應結果(圖例中S2、S1T分別代表Sentinel-2、Sentinel-1和時相特征)

該項研究由南京農業大學國家信息農業工程技術中心完成,楊高翔博士為論文第一作者,朱艷教授和程濤教授為共同通訊作者。研究工作和數據制備得到了國家自然科學基金創新研究群體項目(32021004)、中央高?;究蒲袠I務費(Xuken2023023)、江蘇省農業科技自主創新資金(CX(21)1006)等項目資助。

論文信息

Yang, G., Li, X., Liu, P., Yao, X., Zhu, Y., Cao, W., & Cheng, T. (2023). Automated in-season mapping of winter wheat in China with training data generation and model transfer. ISPRS Journal Photogrammetry and Remote Sensing, 202, 422-438. https://doi.org/10.1016/j.isprsjprs.2023.07.004

數據鏈接

(1) 2020年中國10米空間分辨率冬小麥識別數據集

(2) 2021年中國10米空間分辨率冬小麥識別數據集

(3) 2022年中國10米空間分辨率冬小麥識別數據集

国产日韩av成人,91AV成人电影在线,国产成人精品午夜福利app,永久免费午夜成人无码