《Smart Agricultural Technology》：Mapping glyphosate application for winter cover crop termination using Sentinel-2 imagery and machine learning
编辑推荐：
摘要：草甘膦(glyphosate)类除草剂在农业中广泛使用，尤其在欧洲常被用于春播前终止冬季覆盖作物。然而由于其潜在的环境与健康影响，其使用仍具争议。草甘膦施用的精确空间信息对暴露评估至关重要，但目前基于遥感的制图工作仍较有限，特别是利用开放获取数据在真实田
摘要：草甘膦(glyphosate)类除草剂在农业中广泛使用，尤其在欧洲常被用于春播前终止冬季覆盖作物。然而由于其潜在的环境与健康影响，其使用仍具争议。草甘膦施用的精确空间信息对暴露评估至关重要，但目前基于遥感的制图工作仍较有限，特别是利用开放获取数据在真实田间条件下的研究。本研究提出一种基于遥感与机器学习的方案，用于识别因覆盖作物杀青(termination)而施用草甘膦的农田地块。以比利时法兰德斯(Flanders)地区2023和2024年度为案例，研究人员构建了训练数据集，包含经草甘膦化学杀青的地块、持续植被或裸地地块以及机械杀青地块。利用Sentinel-2影像派生对叶绿素(chlorophyll)和类胡萝卜素(carotenoid)敏感的光谱指数(spectral indices)，并采用阈值法分析杀青后的时序光谱变化。使用经实地验证的地块数据训练并评估两种机器学习分类器——决策树(Decision Tree, DT)与随机森林(Random Forest, RF)。草甘膦处理地块表现出独特的光谱响应：叶绿素敏感指数迅速下降，随后类胡萝卜素敏感指数延迟升高，该趋势与机械杀青或未处理地块明显不同。DT与RF分类器总体精度(Overall Accuracy, OA)分别达0.92和0.95。研究表明结合开放获取卫星数据与机器学习可在大尺度上检测草甘膦施用，为除草剂监测及环境与公共卫生评估提供经济高效的框架。
论文解读：利用Sentinel-2影像与机器学习绘制冬季覆盖作物杀青用草甘膦施用分布图
研究背景与意义
草甘膦(glyphosate)是广谱灭生性除草剂，在欧洲2017年消费量约46,527吨，占除草剂总销量33%。尽管具农艺价值，其对生物多样性（如蜜蜂存活与发育）及人群健康（邻近居民尿中AMPA即aminomethylphosphonic acid升高）的潜在风险引发争议。大尺度监测草甘膦施用对评估环境影响与人群暴露至关重要，但传统生物监测成本高且草甘膦环境半衰期短；依赖农户自报数据又常不完整或偏差。遥感可提供可扩展的间接监测手段，此前仅有少数研究尝试用地基光谱仪或中等分辨率卫星在受控条件下探测草甘膦诱导的植被胁迫，缺乏真实复杂田间条件下利用开放哨兵数据的研究。本研究以比利时法兰德斯冬覆盖作物（主要为芥菜Sinapis alba、黑麦草Lolium multiflorum、法色草Phacelia tanacetifolia）春季（3—5月）草甘膦杀青为对象，结合Sentinel-2多光谱影像、公民科学实地数据与机器学习，建立地块级草甘膦施用识别方法并制作区域分布图，发表于《Smart Agricultural Technology》。
主要关键技术方法
研究人员于2023—2024年3—5月通过公民科学征集报告疑似草甘膦处理（"变橙"植被）地块GPS与日期，辅以野外踏勘获取裸地/持续绿植被地块及从IIASA Crop Observe App获取机械杀青地块，共计草甘膦杀青110个、裸地/绿植被160个、机械杀青47个。利用法兰德斯土地地块识别系统(Land Parcel Identification System, LPIS)界定田块边界。在Google Earth Engine(GEE)中调用Sentinel-2 MSI Level-2A地表反射率产品，用s2cloudless进行云掩膜，对田块做14.4 m负缓冲消除混合像元后计算七种光谱指数：NDVI(Normalized Difference Vegetation Index)、IRECI(Inverted Red-Edge Chlorophyll Index)、PSSRa(Pigment Specific Simple Ratio for chlorophyll a)、CCCI(Canopy Chlorophyll Content Index)、CARI(Carotenoid Index)、CRI-1(Carotenoid Reflectance Index)、mARI(modified Anthocyanin Reflectance Index)。针对叶绿素敏感指数计算3月至观测期末的百分比变化(Percentage Change, PCchlorophyll= (Valuelast day/Valuefirst day? 1) × 100)，类胡萝卜素敏感指数计算首值至时序最大值的百分比变化(PCcarotenoid= (Max value in series/Valuefirst day? 1) × 100)。以七项PC值为特征，训练决策树(CART算法)与随机森林(RF, n-estimators默认)三类分类模型（Class 0未杀青/裸地绿植被，Class 1草甘膦杀青，Class 2机械杀青），按约2:1分层划分训练测试集，进行重复分层10折交叉验证（5次重复）。最优RF模型应用于2024年LPIS中所有覆盖作物地块（过滤<4景可用影像及<300 m2小地块后留存119,950个），结果随机抽取399个地块人工比对Sentinel-2时序验证。
研究结果
3.1. Spectral indices（光谱指数）
将NDVI骤降超30%相对前期均值的首个时相定义为"Day 0"（无杀青地块以首景为Day 0）。叶绿素类指数（NDVI、IRECI、PSSRa、CCCI）在草甘膦处理地块较机械杀青呈更陡降后趋稳；CCCI初始组间差异小且杀青后有短暂恢复。类胡萝卜素/花青素指数（CARI、CRI-1、mARI）在草甘膦处理地块出现先升后降的峰值（约Day 10—20达最大值后回落），机械杀青无此峰值，裸地/绿植被稳定。表明草甘膦引起叶绿素降解伴随类胡萝卜素短暂积累（产生肉眼可见橙黄色），与机械物理移除光谱模式可区分。
3.2. Change in index values (PC)（指数值百分比变化）
PCchlorophyll：Class 0近零或微正，Class 1大幅负（均质大幅下降），Class 2中度负。PCcarotenoid：Class 1显著正增（CARI均值最高但变异大），Class 2微增，Class 0波动小。Mann–Whitney U检验显示NDVI、IRECI、PSSRa、CARI、CRI-1、CCCI在Class 1与Class 2间具显著差异(p < 0.05)，mARI无显著差异(p = 0.253)，说明类胡萝卜素指数可辅助区分杀青方式。
3.3. Classifiers: decision tree and random forest（决策树与随机森林分类器）
DT仅用PCNDVI（重要性0.679）和PCIRECI（0.321）即达测试集OA=0.92，各类别Macro avg Precision/Recall/F1=0.88，交叉验证均值OA=0.921±0.041。RF利用全部七项指数（前三重要为PCNDVI0.366、PCIRECI0.293、PCPSSRa0.207）获测试集OA=0.95，Class 1 Precision 0.98 Recall 0.91 F1 0.94，Class 2 Precision 0.78 Recall 0.93 F1 0.85，Macro avg Precision=0.92 Recall=0.95 F1=0.93，交叉验证均值OA=0.918±0.073。RF较DT减少Class 1与Class 2间误分，但对训练数据分割稳定性略低。
3.4. Mapping of glyphosate usage in Flanders in 2024（2024年法兰德斯草甘膦施用制图）
应用RF分类后，119,950个覆盖作物地块中Class 1（草甘膦杀青）12,445个(10.38%)，Class 2（机械杀青）7,539个(6.29%)，Class 0（未杀青）99,966个(83.34%)。在七个农业区随机抽取399个地块人工验证，总体精度84.21%，Class 0 Precision=0.91、Class 1=0.81、Class 2=0.79；各区精度75%—90%无强烈空间偏差，中心区因可用无云影像少可能低估。终止地块中约60%为草甘膦杀青、40%为机械杀青，符合当地农艺习惯。
讨论与结论总结
讨论指出：(1)叶绿素敏感指数可有效捕捉草甘膦致色素降解，CCCI受覆盖作物种类异质性影响在本研究中表现欠佳；(2)机械杀青组初始植被覆盖较低（可能为杂草而非播种覆盖作物）影响光谱起点，未来应控制物种与生育期，类胡萝卜素指数在控制条件下或更有助于分类；(3)单指数不足以可靠检测，需结合时序多指数捕捉"叶绿素降—类胡萝卜素升—再降"特征轨迹；(4)主要分类难点在Class 1与Class 2因云遮挡导致关键阶段（橙变期）缺失或混合像元、云掩膜误差造成误分，RF因多指数集成较DT更抗局部异常；(5)LPIS无覆盖作物信息的地区可先遥感识别覆盖作物再套用本法，Sentinel-2五日均需至少四景无云捕获杀青前后各阶段，西部法兰德斯影像充足分类可信，中部欠覆盖或致低估；(6)公民科学标注可能存在把自然黄化误报为草甘膦黄化，或低浓度/不利气象下草甘膦不显橙变致漏报。
结论(Conclusion)：本研究提出了一种利用开放获取Sentinel-2影像与机器学习检测冬覆盖作物草甘膦施用的方案。经实地验证的地块标签使研究人员可计算叶绿素、类胡萝卜素及花青素敏感光谱指数并量化时序百分比变化，草甘膦处理地块特征为叶绿素敏感指数急降后类胡萝卜素敏感指数延迟升高，区别于机械杀青。DT与RF分类器OA分别达0.92与0.95。2024年法兰德斯覆盖作物杀青地块中约60%为草甘膦终止，印证其主导地位。该方法具备大尺度草甘膦除草剂遥感监测潜力，可为农业管理、环境及公共卫生影响评估提供基础；未来可通过回溯往年数据并结合农户及邻近居民健康资料、水质指标开展暴露与生态效应研究，改进云掩膜与训练集质量可进一步提升分类可靠性。
