基于时间序列卫星植被指数和实地测量的模式匹配方法，用于水稻植株高度的时空估算 下田翔纪（Shoki Shimda）、 关上吾（Go Segami）和 大吉圭（Kei Oyoshi）

《Remote Sensing》：Development of a Spatiotemporal Estimation Method for Rice Plant Height Using Pattern Matching Based on Time-Series Satellite-Derived Vegetation Indices and In Situ Measurements Shoki Shimda, Go Segami and Kei Oyoshi

　　

摘要

水稻植株的高度是衡量作物生长和物候期的关键指标，但在观测条件有限的情况下，进行连续的日度估算仍然具有挑战性。本研究提出了一种基于可解释贝叶斯查找表（LUT）的框架，该框架可以利用时间序列数据、卫星获取的地面覆盖指数（GCVI）以及稀疏的实地测量数据来估算水稻植株的高度。每日植株高度是通过多个基于LUT的估算值进行后验加权汇总得到的，同时考虑了不同生长路径之间的不确定性。该方法应用于日本龙崎市的水稻田，使用了2025年生长季节的Harmonized Landsat–Sentinel-2数据，在验证数据集上的均方根误差（RMSE）为7.08厘米，优于简单的基线方法。估算出的每日高度时间序列还用于评估植株高度达到70厘米的具体时间，结果显示不同田块之间存在明显的空间变异，且这种变异的不确定性约为10天。尽管这一阈值是根据之前关于L波段合成孔径雷达（SAR）敏感性的研究来确定的，但本研究仅依赖于光学观测数据。总体而言，所提出的框架为水稻生长的日度、空间精确监测提供了一种数据高效且易于解释的方法；不过目前的局限性包括仅适用于单一地区、单一年份的LUT构建，以及贝叶斯加权框架中采用的简化统计假设。