《Advances in Space Research》：Assessment of Unsupervised and Supervised Classification Methods for Crop Mapping Across Agro-Climatic Gradients Using AVIRIS-NG Hyperspectral Data
编辑推荐：
拉迪卡·拉利特库马尔·格蒂亚|拉胡尔·尼加姆|阿尔文德·D·卡洛拉摘要准确的作物分类对于精准农业、高效农场管理以及区域乃至国家层面的粮食安全规划至关重要。本研究利用高分辨率的机载可见光/红外成像光谱仪下一代（AVIRIS-NG）产生的高光谱数据，该数据的光谱范围为400-2500
拉迪卡·拉利特库马尔·格蒂亚|拉胡尔·尼加姆|阿尔文德·D·卡洛拉
摘要
准确的作物分类对于精准农业、高效农场管理以及区域乃至国家层面的粮食安全规划至关重要。本研究利用高分辨率的机载可见光/红外成像光谱仪下一代（AVIRIS-NG）产生的高光谱数据，该数据的光谱范围为400-2500纳米，空间分辨率可达4米，旨在区分古吉拉特邦三个农业气候条件不同的地区——阿南德、巴鲁奇和苏伦德拉纳加尔的作物类型。研究采用了包括坏波段去除、反射率阈值处理、基于归一化差异植被指数的植被掩膜处理以及主成分分析在内的预处理框架，以优化光谱质量并降低数据维度。共评估了10种分类算法，其中包括无监督算法（IsoData、K-Means）和有监督算法（平行六面体法、最小距离法、马氏距离法、最大似然法、光谱角度映射法、随机森林法、支持向量机法和神经网络法）。有监督分类算法的表现始终优于无监督算法，其中支持向量机在阿南德（总体准确率为90.45%，卡帕值为0.87）和巴鲁奇（总体准确率为94.73%，卡帕值为0.91）的表现最佳，其次是神经网络和随机森林法；而在苏伦德拉纳加尔，马氏距离法的表现最为出色（总体准确率为99.47%，卡帕值为0.99）。这些研究结果证明了机载高光谱图像在作物识别方面的巨大潜力，同时也凸显了基于机器学习的分类算法在处理此类高维数据时的优势。这项研究为作物制图提供了稳健且可扩展的框架，有助于利用未来基于空间的高光谱数据，在印度建立数据驱动、精确且可持续的农业监测系统。
章节摘录
引言
农业是印度经济的支柱，它不仅维持着人们的生计，还为不断增长的人口提供粮食保障。在“精准农业”时代，关于作物类型、生长状况及分布的准确、及时且具有空间信息的内容，对于做出明智的决策、高效利用资源以及制定基于证据的政策而言极为重要。精准农业旨在根据不同地区的具体情况，优化水、肥料和农药等农业投入的使用。
原位光学测量
在本研究中，地面参考光谱数据的采集是在飞行过程中从研究区域内的多个地点的作物冠层处进行的，因此不存在因昼夜变化而导致光谱测量值出现偏差的问题（Zarco Tejada等人，2013年）。地面参考光谱数据是通过光谱辐射计（ASD? FieldSpec Pro，Analytical Spectral Devices，Malvern Panalytical Inc.公司生产）采集的，其光谱范围为350至2500纳米，涵盖了可见光、近红外光和短波红外光区域。
方法论
本研究利用AVIRIS-NG传感器获取的高光谱数据，对古吉拉特邦三个农业气候条件各异的地区——即阿南德、巴鲁奇和苏伦德拉纳加尔——的作物进行了分类。整个研究方法包括五个主要步骤：（i）数据预处理，（ii）特征提取，（iii）整合实地数据与辅助数据，（iv）运用多种算法进行分类，（v）准确性评估。研究的简化工作流程如图3.3所示。
高光谱数据预处理
AVIRIS-NG高光谱数据集经过了包括坏波段去除、反射率阈值处理、基于NDVI的特征提取以及降维处理在内的预处理步骤。
坏波段去除：根据大气吸收效应和噪声标准，共有53个波段被剔除（即第1波段、195-211波段以及279-315波段），最终保留了372个高质量波段用于后续分析。统计分析表明，不同地区的平均光谱响应曲线较为平坦，而标准差则存在一定差异。
结论
本研究展示了高光谱遥感技术，尤其是AVIRIS-NG数据，在古吉拉特邦三个农业气候条件各异的地区——即阿南德、巴鲁奇和苏伦德拉纳加尔——进行精确作物分类方面的巨大潜力。通过坏波段去除、反射率阈值处理、基于NDVI的掩膜处理以及主成分分析等预处理步骤，有效降低了数据中的噪声和光谱冗余，从而提升了分类性能。在所有测试过的分类算法中，
未引用参考文献
Ball，1965年；Breiman，2001年；Cortes和Vapnik，1995年；Girouard等人，2004年；MacQueen，1967年；Inc公司，2025年；Thenkabail等人，2019年；Wang等人，2023年；Zarco-Tejada等人，2013年。
利益冲突声明
作者们声明存在以下可能被视为潜在利益冲突的财务利益或个人关系：拉迪卡·格蒂亚博士表示，她获得了空间应用中心提供的行政支持；此外，她与空间应用中心还存在非财务方面的合作关系。如果还有其他作者，他们则声明自己没有已知的可能影响研究结果的财务利益或个人关系。
