获取到高质量的特征是从遥感影像中提取高精度的农作物空间分布的关键,该研究针对利用哨兵2A(Sentinel-2A)影像提取高精度的冬小麦空间分布开展研究。针对影像中存在的数据空间尺度不一致的问题,以生成式对抗网络为基础建立了降尺度模型REDS(Red Edge Down Scale),用于将B5、B6、B7、B114个通道的空间分辨率从20 m降为10 m;然后利用卷积神经网络构建了逐像素分割模型REVINet(Red Edge and Vegetation Index Feature Network),REVINet以10m分辨率的B2、B3、B4、B5、B6、B7、B8、B11,以及提取出的增强植被指数、归一化植被指数和归一化差值红边指数组合作为输入,进行逐像素分类。选择ERFNet、U-Net和RefineNet作为对比模型同REVINet开展对比试验,试验结果表明,该研究提出的方法在召回率(92.15%)、查准率(93.74%)、准确率(93.09%)和F1分数(92.94%)上均优于对比方法,表明了该研究在从Sentinel-2A中提取冬小麦空间分布方面具有明显的优势。
如何及时、准确地获取大范围内作物冻害空间分布数据,是目前农业领域迫切需要解决的问题。本文根据冻害冬小麦的生长变化特点,提出了基于特征增强的冬小麦冻害精细空间分布遥感提取方法(Winter Wheat Frost Damage Fine Spatial Distribution Extraction Method,WWFDFSDEM),用于从高分辨率遥感影像中提取高质量的冻害空间分布数据。选择冻害发生前后两期高分辨率遥感影像作为数据源,根据正常冬小麦和冻害冬小麦区域的影像特点,确定以红、近红、绿三个通道以及NDVI作为基础特征,充分利用像素级特征的空间相关性来增强特征的细节信息,以交叉熵为基础,加入特征类内差异因子和类间差异因子建立损失函数,用于增强特征的区分能力。选择山东省淄博市高青县为研究区,高分2号遥感影像为数据源,决策树、经典SegNet、RefineNet、ErfNet、UNet作为对比模型开展对比实验,WWFDFSDEM提取结果的精度(94.5%),查准率(90.8%),查全率(91.3%)均优于对比方法,证明了方法在提取冻害精细空间分布方面的有效性。方法能够满足农业生产管理、农业保险等领域提取作物冻害精细空间分布数据的需求。
