東北地理所在基于遙感大數據和云平臺結合面向對象方法進行作物分類研究中取得新進展
聯合國預測世界人口將會在2100年增至112億人，這必將導致人類對糧食的需求量不斷增大。優化作物分布、加強農業的集約化發展是保障全球糧食安全的重要手段。作物類型的精確測繪是優化作物分布與農業的集約化發展的基礎，對于糧食生產宏觀調控和精準農業管理至關重要。以往作物分類研究多以光學影像為數據源，然而光學影像更容易受到云的影響，尤其是在一些雨熱同季的地區，作物生長的關鍵期通常缺乏可用的光學影像。中科院東北地理所農業遙感學科組研究人員以黑龍江克山農場和通南鎮為研究區，評估在Google Earth Engine云平臺中使用時間序列Sentinel-1影像結合面向對象方法進行作物分類的可行性與適用性。
研究人員對研究區作物生長季（5月-9月）的Sentinel-1影像按三種時間間隔(10d、15d和30d)進行合成；然后使用簡單非迭代聚類算法（SNIC）對合成影像按照不同空間尺度進行分割，最后將訓練樣點和經過不同處理的影像輸入隨機森林分類器進行作物分類（圖1）。
圖1 基于Sentinel-1時間序列影像結合面向對象方法進行作物分類的制圖流程
研究發現：在平均地塊較大的克山農場，使用面向對象的分類方法結合10d合成的Sentinel-1 影像的總體精度最高可以達到95.47%，Kappa為0.91，相比基于像素的分類方法有很大的提升（圖2）；在平均地塊較小的通南鎮，面向對象的方法相比基于像素的方法精度提升不大（圖3）。使用Sentinel-1合成圖像的時間間隔越短，農作物分類精度越高。不同時間間隔序列影像重要性較高的波段主要分布在7月、8月和9月，這主要是因為這幾個月份作物生長差異較大。作物分類的最佳分割大小與圖像分辨率和地塊大小密切相關。先前的研究通常只強調面向對象分類的優勢，本項研究不僅強調了面向對象分類的優勢，而且還分析了使用面向對象分類的條件限制。本研究為后續使用面向對象方法和合成孔徑雷達（SAR）進行作物分類的研究提供了重要的借鑒。
圖2 不同處理方式下克山農場作物分類結果（A-F）
圖3 不同處理方式下通南鎮作物分類結果（A-F）
該研究由羅沖特別研究助理（第一作者）、劉煥軍研究員（通訊作者）等共同完成。成果發表在Remote Sensing期刊上。得到中國科學院戰略性先導科技專項(XDA23070501)和黑龍江省自然科學基金（D2017001）共同資助。論文信息如下：
Luo Chong, Qi Beisong, Liu Huanjun, Guo Dong, Lu Lvping, Fu Qiang, Shao Yiqun. Using Time Series Sentinel-1 Images for Object-Oriented Crop Classification in Google Earth Engine. Remote Sensing. 2021, 13(4):561. https://doi.org/10.3390/rs13040561.
附件下載：
吉公網安備22017302000214號
