基于GEE平台与Sentinel-NDVI时序数据江汉平原种植模式提取

摘要

快速精准地掌握作物种植模式信息对于农业产能评估、区域种植结构平衡和国家粮食安全保障具有重要的战略意义。然而,目前尚缺乏高精度、大范围、涵盖复杂种植模式的空间数据集。因此,本研究以中国南方重要的产粮地之一江汉平原为例,基于GEE平台和Sentinel-NDVI数据,构建时序物候特征集,通过探究半自动提取大量样本的方法,对比多粒度级联森林(multi-grained cascade Forest,gcForest)与深度神经网络(Deep Neural Network,DNN)两种深度模型分类精度,对江汉平原5种作物类型的6种种植模式进行精细识别与制图研究。结果表明:1)江汉平原主要包括单季稻、莲藕两种单季种植作物;小麦-水稻/棉花、油菜-水稻/棉花等4种年内复种模式;2)基于半自动采样点(4 000个)的gc Forest模型总体精度最高,可达到87.25%;两种模型基于4000个采样点的分类精度相较基于400个实地采样点分别有8.08和5.5个百分点的提升,该半自动提取样本点的途径可有效提高分类精度。该研究证明,基于物候的Sentinel-NDVI数据在复杂农业景观区域的作物种植模式制图中有较大潜力。