数字农科院2.0

农田玉米秸秆覆盖类型的光学和微波遥感识别潜力分析

文献类型： 中文期刊

作者： 张文茜;李文娟;余强毅;唐华俊;王聪;吴文斌

作者机构：

关键词： Sentinel-1;Sentinel-2;秸秆覆盖;遥感识别;潜力分析

期刊名称：农业工程学报

ISSN： 1002-6819

年卷期： 2025 年

页码：

收录情况： EI（2025版） ; ; 北大核心（2023版） ; ; CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 农田秸秆覆盖是保护性耕作的重要措施，有助于推动农业可持续发展。不同的秸秆覆盖类型往往体现出差异化的农田管理方式，具有重要的农业意义。尽管遥感技术已广泛应用于秸秆覆盖监测，目前在秸秆覆盖类型分类体系的构建方面仍属空白，光学与微波遥感影像在不同秸秆覆盖类型识别中的能力也缺乏系统评估。针对上述问题，该研究选取吉林省四平市梨树县作为研究区，利用Sentinel-1微波影像和Sentinel-2光学影像，设计了3种分类体系，并基于这些体系构建分类场景，系统评估光学与微波遥感影像在不同玉米秸秆覆盖类型识别中的潜力。构建了3种秸秆覆盖识别的分类体系：留茬覆盖+根茬堆叠覆盖+根茬无覆盖、秸秆覆盖+秸秆无覆盖、留茬+非留茬；通过组合3种分类体系与13种光学和微波特征组合构建了39个分类场景；对比并分析3个分类体系下样本的直方图分布、Jeffries-Matusita (JM)距离以及39个分类场景的分类精度。结果表明，Sentinel-2数据的JM距离均>1，识别以上3个分类体系的最高总体精度分别为76.00%、81.00%以及95.00%,Kappa系数分别为0.64、0.62以及0.90,F1分数分别为75.94%、80.95%以及95.00%，可以较好识别秸秆覆盖。根据JM距离和总体精度的大小，Sentinel-2识别能力由大到小分别为留茬+非留茬、秸秆覆盖+秸秆无覆盖以及留茬覆盖+根茬堆叠覆盖+根茬无覆盖。而Sentinel-1数据的JM距离均<1，识别3个分类体系的最高总体精度仅为42.00%、64.00%以及63.00%,Kappa系数仅为0.13、0.28以及0.26,F1分数仅为41.25%、63.87%以及62.82%，秸秆覆盖识别精度总体偏低。此外，Sentinel-1作为Sentnel-2的辅助数据也未能提高3个分类体系的可分性和精度。综上，Sentinel-2影像在耕作方式未知下仍能有效识别潜在保护性耕作区域。研究结果为识别保护性耕作区域提供了技术支撑，也为相关政策的制定与推广提供科学依据。

分类号：

  • 相关文献

[1]Identify Tea Plantations Using Multidimensional Features Based on Multisource Remote Sensing Data: A Case Study of the Northwest Mountainous Area of Hubei Province. Pengnan Xiao,Jianping Qian,Qiangyi Yu,Xintao Lin,Jie Xu,Yujie Liu. 2025

[2]基于Rapideye数据的棉花特征光谱指数构建及类型识别. 王利民,刘佳,姚保民,高建孟,季富华. 2019

[3]基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别. 赵红伟,陈仲新,姜浩,刘佳. 2020

[4]我国沼气发电设备生产行业的潜力分析. 李景明,颜丽. 2007

[5]禾草内生真菌作为生防因子的潜力分析. 李秀璋,姚祥,李春杰,南志标. 2015

[6]道县发展草食动物的资源与潜力分析. 文石林,董春华,荣湘民,高菊生. 2010

[7]Inter-Continental Transfer of Pre-Trained Deep Learning Rice Mapping Model and Its Generalization Ability. Lingbo Yang,Ran Huang,Jingcheng Zhang,Jingfeng Huang,Limin Wang,Jiancong Dong,Jie Shao. 2023

[8]Mapping of lakes in the Qinghai-Tibet Plateau from 2016 to 2021: trend and potential regularity. Zhichong Yang,Si Bo Duan,Xiaoai Dai,Yingwei Sun,Meng Liu. 2022

[9]A Comprehensive Evaluation of Dual-Polarimetric Sentinel-1 SAR Data for Monitoring Key Phenological Stages of Winter Wheat. Mo Wang,Laigang Wang,Yan Guo,Yunpeng Cui,Juan Liu,Li Chen,Ting Wang,Huan Li. 2024

[10]基于时序Sentinel-2影像的梨树县作物种植结构. 刘俊伟,陈鹏飞,张东彦,赵红伟. 2020

[11]基于无人机与卫星遥感的草原地上生物量反演研究. 李淑贞,徐大伟,范凯凯,陈金强,佟旭泽,辛晓平,王旭. 2022

[12]基于多时相遥感植被指数的柑橘果园识别. 梁晨欣,黄启厅,王思,王聪,余强毅,吴文斌. 2021

[13]Sentinel-2宽波段光谱指数预测拔节后受冻冬小麦减产率. 赵爱萍,马浚诚,武永峰,胡新,任德超,李崇瑞. 2022

[14]东北三省2020-2022年间10 m空间分辨率耕地资源空间分布数据集. 申格,刘航,李丹丹,陈实,邹金秋. 2023

[15]多源中高分辨率影像协同下时间合成窗口对农作物识别的影响. 童婉婷,魏浩东,杨靖雅,金文捷,宋茜,胡琼,尹高飞,徐保东. 2024

[16]基于作物参考曲线法的冬小麦NDVI时间序列重建——以河北省部分区域为例. 敖洋钎,王永前,孙政,孙亮. 2025

[17]Crop specific inversion of PROSAIL to retrieve green area index (GAI) from several decametric satellites using a Bayesian framework. Jingwen Wang,Raul Lopez-Lozano,Marie Weiss,Samuel Buis,Wenjuan Li,Shouyang Liu,Frédéric Baret,Jiahua Zhang. 2022

[18]Automated soybean mapping based on canopy water content and chlorophyll content using Sentinel-2 images. Huang, Yingze,Qiu, Bingwen,Chen, Chongcheng,Zhu, Xiaolin,Wu, Wenbin,Jiang, Fanchen,Lin, Duoduo,Peng, Yufeng. 2022

[19]Crop type mapping with temporal sample migration. Zhang, Shibo,Yang, Jingya,Leng, Pei,Ma, Yuman,Wang, Hongyang,Song, Qian. 2023

[20]Detection of Soil Erosion Hotspots in the Croplands of a Typical Black Soil Region in Northeast China: Insights from Sentinel-2 Multispectral Remote Sensing. Lulu Qi,Pu Shi,Klara Dvorakova,Kristof Van Oost,Qi Sun,Hanqing Yu,Bas van Wesemael. 2023

作者其他论文 更多>>