東北地理所研發了單景遙感影像大豆制圖指數
農作物尤其是大宗作物的精準識別與詳細的空間分布信息是糧價預測、作物估產及進行政治決策的先決條件。大豆作為全球重要的糧食和經濟作物，在保障糧食安全及提升土壤質量方面發揮著重要作用。由于大豆和玉米具有相似的物候和光譜特征，準確、快速且可推廣的遙感大豆制圖方法一直是一個具有挑戰性的難題。目前，基于機器學習、深度學習的監督分類方法，高度依賴訓練樣本、且跨區域、跨氣候效果較差；基于作物物候、時序曲線特征或者先驗知識的非監督分類方法，雖然不依賴訓練數據，但其分類精度相對較低且依賴于長時間序列遙感數據，計算數據量大且復雜度高，難以推廣且不利于農作物遙感早期識別。
圖1. GWCCI大豆制圖指數流程圖
針對以上科學難題，中國科學院東北地理所李華朋副研究員和陳慧博士基于大豆生長的生物物理機理，創新性地提出了一種綜合考慮綠度和水分的大豆制圖指數（Greenness and water content composite index, GWCCI），該指數僅利用大豆生長峰值時期內的任意一景Sentinel-2多光譜影像，通過簡單的指數計算（NDVI*SWIR），即可實現高效且快速的大豆制圖。該指數不需要訓練樣本，不依賴長時間序列遙感數據，從而大大簡化了數據預處理流程并大幅降低了計算復雜度；同時，該指數能最早于收獲前近三個月實現大豆精準制圖，為作物分布早期識別奠定基礎。該指數的生物物理基礎簡述如下：在大豆生長峰值時期，大豆在所實驗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分開來。
圖2. 不同農作物和土地利用GWCCI時間序列變化圖
選擇全球四大典型大豆種植國（中國，美國，巴西和阿根廷）的7個縣（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GWCCI的有效性。我們將從中國東北黑土典型區域-海倫市計算得到的最佳閾值直接應用于其他6個研究區,并開展了連續5個年份（2017-2021）的測試。研究結果顯示，GWCCI能夠有效識別大豆空間分布，7個研究區連續5年的平均總分類精度為86.76%（k=0.74），顯著高于傳統機器學習方法（RF和SVM）。上述結果證實了GWCCI跨區域、跨年份的高效性和魯棒性。
圖3. 不同研究區GWCCI大豆制圖指數結果
該研究構建了基于單景遙感影像大豆制圖指數，具備堅實的生物物理基礎，穩定性強、準確度高且計算簡單，為開展大面積高效的大豆制圖提供了可能。同時，GWCCI所依賴的生物物理基礎為其他作物指數的研發提供了新的解決思路，為農作物分布與產量的高精度實時監測奠定了可靠的方法基礎。
該研究成果于近期發表在遙感領域頂級期刊Remote Sensing of Environment上（國際頂級C刊，IF: 13.85），論文由地理信息系統學科組陳慧博士（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略性先導科技專項項目（XDA28070500）、國家重點研發計劃項目（2021YFD1500100）等項目共同資助。
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
網絡鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0034425723002304
附件下載：
吉公網安備22017302000214號
