TabPFN用于基于多时相ALOS-4/PALSAR-3合成孔径雷达(SAR)数据在不平衡条件下的作物分类

《Remote Sensing Applications: Society and Environment》:TabPFN for Crop Classification Using Multi-Temporal ALOS-4/PALSAR-3 SAR Data Under Imbalanced Conditions

【字体: 大 中 小 】 时间:2026年07月31日 来源:Remote Sensing Applications: Society and Environment 3.8

编辑推荐:

  利用合成孔径雷达(Synthetic Aperture Radar, SAR)数据进行精确的作物分类对于业务化农业监测至关重要,但由于复杂的散射机制、相关特征以及参考数据集中的类别不平衡,这仍然具有挑战性。本研究评估了表格先验数据拟合网络(Tabular Pr

  
利用合成孔径雷达(Synthetic Aperture Radar, SAR)数据进行精确的作物分类对于业务化农业监测至关重要,但由于复杂的散射机制、相关特征以及参考数据集中的类别不平衡,这仍然具有挑战性。本研究评估了表格先验数据拟合网络(Tabular Prior-Data Fitted Networks, TabPFN)在基于SAR的作物分类中的适用性,并将其性能与随机森林(Random Forest, RF)、支持向量机(Support Vector Machine, SVM)和极端梯度提升(Extreme Gradient Boosting, XGBoost)进行了比较。研究人员利用多时相SAR衍生特征进行了地块级分类,并通过折数从2到10的交叉验证评估了模型性能。研究人员在四种采样策略下检验了总体精度(Overall Accuracy, OA)、科恩卡帕系数(Cohen’s Kappa)、各类别用户精度(User’s Accuracy, UA)、生产者精度(Producer’s Accuracy, PA)和F1分数:无不采样,以及三种基于合成少数类过采样技术(Synthetic Minority Over-sampling Technique, SMOTE)的方法(Borderline-SMOTE、DeepSMOTE和KMeans-SMOTE)。研究人员使用排列特征重要性(Permutation Feature Importance, PFI)来确保跨模型的一致解释。结果表明,TabPFN在所有验证设置中始终实现最高的分类性能,总体精度(OA)高达91.9%,科恩卡帕系数(Cohen’s Kappa)高达0.896,优于性能最佳的常规机器学习模型。结果还表明其对类别不平衡具有很强的鲁棒性,在使用原始不平衡数据集且未进行任何基于SMOTE的过采样时获得了最佳性能。这些发现表明,在基于SAR的作物制图中,模型选择可能比合成过采样更具影响力。此外,TabPFN的鲁棒性可能减少对额外过采样程序的依赖,从而简化业务应用的预处理工作流程。综上所述,结果凸显了TabPFN作为农业监测和作物制图实用且有效方法的潜力。
研究背景与意义
准确的作物类型制图对于农业管理、粮食安全评估和环境监测至关重要。空间显式的作物分布信息支持区域和国家尺度的产量估算、政策制定和可持续土地利用规划。卫星遥感已成为农业监测的关键工具,提供广泛区域的频繁和全面观测。然而,业务化作物分类仍面临挑战,包括异质的作物特征、物候的时间变异性以及可靠的地面参考数据有限。多时相合成孔径雷达(Synthetic Aperture Radar, SAR)时间序列已被广泛用于作物监测和分类,其在捕捉作物生长动态方面的有效性已得到证实。但在实际操作中,基于SAR的作物分类面临持续挑战:标记训练数据通常有限,类别分布高度不平衡,且SAR衍生特征具有高维性和强时间相关性。这些问题在多种具有不同冠层结构和生长行为的作物共存的区域尺度农业景观中进一步加剧,导致分类性能显著下降,尤其是少数作物类别。在SAR频段中,L波段因其较长波长能更深穿透植被冠层,与C波段或X波段SAR相比,能与茎杆和底层土壤表面产生更强相互作用,对作物结构和生物量更敏感,具备独特优势。ALOS-4卫星搭载的PALSAR-3传感器提供的L波段SAR观测在重访频率和空间覆盖上有所改进,是区域尺度作物分类的有前景数据源。然而,L波段后向散射反映了作物几何、冠层湿度、生物量、土壤条件和时间物候变化间的非线性相互作用,导致特征空间高度复杂,特征相关性和变异性增加,使传统机器学习模型难以从有限训练样本中有效学习鲁棒决策边界。因此,能够捕捉数据稀缺条件下复杂特征交互的模型如TabPFN(Tabular Prior-Data Fitted Networks,表格先验数据拟合网络)对于L波段SAR作物分类尤为相关。类别不平衡显著限制监督作物分类性能,主导作物样本充足而次要作物代表不足,数据级方法如SMOTE(Synthetic Minority Over-sampling Technique,合成少数类过采样技术)被广泛使用,但其在高维SAR特征空间中的有效性尚不清楚,尤其是对于依赖大规模合成表格数据集学习先验分布的TabPFN,人工生成样本可能偏离真实特征分布并干扰先验知情学习过程。传统机器学习算法虽稳健可解释,但性能严重依赖精心设计的特征和手动超参数调优,限制跨区域和传感器的可扩展性;深度学习方法虽能直接学习复杂时空模式但通常需大量标记数据和计算资源。TabPFN作为专为表格数据设计的新型框架,在大量合成表格数据集上预训练获得强归纳偏置,能在无显式超参数调优下有效泛化,特别适用于标记数据有限的SAR作物分类。尽管多时相SAR数据在作物分类中具潜力,但其业务化应用受限于标记数据稀缺、作物类型间严重类别不平衡以及时间相关SAR特征的高维性这三个相互关联的挑战,尤其在ALOS-4/PALSAR-3等L波段SAR系统中更为突出。因此,亟需一个集成框架同时解决L波段SAR作物制图中的数据稀缺、类别不平衡和特征复杂性,同时保持计算效率和业务实用性。本研究旨在开发并评估一种适用于多时相L波段SAR数据且在替代数据划分方案下有效的鲁棒作物分类框架,具体检验双极化ALOS-4/PALSAR-3 SAR特征、基于SMOTE的过采样策略与先验知情表格学习模型在分类具有多样结构特征的多种作物类型中的整合。该研究发表于《Remote Sensing Applications: Society and Environment》。
主要关键技术方法
研究人员使用来自日本农林水产省开放农田信息平台的农田地块多边形数据作为样本队列来源,结合野外调查记录和光学影像目视解译分配作物类型标签。SAR数据采用ALOS-4/PALSAR-3 L波段双极化(HH和HV)多时相观测,经辐射定标、几何校正、地形校正和斑点滤波预处理后提取地块级伽马零(γ0)后向散射系数及雷达植被指数(Radar Vegetation Index, RVIdp;Dual Polarimetric SAR Vegetation Index, DPSVI)。研究对比四种分类算法:TabPFN、随机森林(RF)、支持向量机(SVM)、极端梯度提升(XGBoost),在四种采样策略(原始数据、Borderline-SMOTE、DeepSMOTE、KMeans-SMOTE)及2至10折交叉验证下评估性能。采用总体精度(OA)、科恩卡帕系数(Kappa)、宏平均F1分数(Macro_F1)、加权平均F1分数(Weighted_F1)、生产者精度(PA)、用户精度(UA)及排列特征重要性(PFI)进行精度评定与特征解释,并进行特征子集消融实验。
研究结果
3.1. Classification accuracies
通过对2至10折交叉验证下四种模型及四种采样策略的分类精度评估,研究人员得出TabPFN在大多数验证设置和采样策略下均取得最高分类精度,在未过采样的原始数据集上平均OA约0.915、Kappa约0.891、Macro_F1约0.909。统计检验显示TabPFN显著优于RF、SVM和XGBoost。过采样策略间差异小于分类算法间差异,KMeans-SMOTE较原始数据仅有微小改善,Borderline-SMOTE略降精度,DeepSMOTE显著下降尤其Macro_F1。XGBoost居次,RF中等,SVM最低。类级别上TabPFN对各作物(包括豆类、马铃薯等少数类)保持高且平衡的F1分数,SMOTE变体未带来系统性改善且DeepSMOTE降低多类PA和F1。精度随折数增加保持稳定,表明差异源于模型内在特性与过采样效应而非数据划分随机性。
3.2. Ablation study on SAR-derived feature subsets
研究人员通过仅γ0、γ0+比值、γ0+植被指数及全部特征四组子集的消融实验发现,TabPFN仅用原始γ0后向散射变量OA达0.917,全特征集为0.918,差异仅0.03个百分点。表明TabPFN高性能主要源于模型从可用表格数据中学习信息关系的能力,而非手动工程化SAR特征,其对特征组成变化具鲁棒性。
3.3. Permutation feature importance analysis
通过PFI分析,所有模型中夏末至初秋(8月至9月)获取的HV(γ0HV)特征均位列最重要,对应作物结构差异最大时期。TabPFN重要性分布集中,HV0803、HV0928和HH0803为核心变量,表明其依赖少量高信息量SAR观测而非广泛特征。RF分布弥散,SVM依赖少数特定日期特征,XGBoost较RF集中但广于TabPFN。晚期HV特征跨模型一致重要,反映其在L波段SAR多作物区分中的关键作用。
讨论与结论翻译
4. Discussion
结果显示四种算法分类性能和特征利用存在显著差异。TabPFN获最高总体和类级别精度,尤在不采样时,且PFI排名稳定,表明其有效利用信息变量并对训练数据组成变化鲁棒,依赖少量高信息特征,体现对先验知情表格表示的高效利用。消融实验支持此解释,精度在特征集间稳定,增益主因于TabPFN学习能力而非特征工程。这对多时相L波段SAR数据有利,因其特征交互受复杂非线性关系支配,TabPFN基于多样合成表格分布训练可能更好捕捉耦合交互而无需大量特征工程或过采样。但性能亦受训练集大小分布、特征空间维度分离性及交叉验证设计影响。当前数据集含中等规模作物类及一致地块时间模式,可能利于利用结构化表格关系的模型。虽对RF、SVM、XGBoost进行贝叶斯超参数优化,模型复杂度等差异仍影响比较性能。故消融结果表明TabPFN有效利用原始SAR后向散射内在信息,减少对手动工程变量依赖,对业务化分类具吸引力。
XGBoost居次且与TabPFN在PFI顶特征上高度一致,但特征重要性分布更广,聚合多相关变量信息,符合梯度提升树集成性质。RF获中等稳定性能,PFI较TabPFN和XGBoost弥散,依赖更广泛特征集,源于装袋和随机特征选择。SVM普遍表现最低,PFI分值低且不稳,表明捕捉SAR特征空间复杂非线性关系能力有限。
SMOTE未持续改善精度且有时降解,尤对TabPFN,因特征空间合成样本可能不代表物理有意义SAR后向散射模式,引入噪声扭曲类别边界。SAR变量与作物散射机制和物候动态物理关联,常规SMOTE插值未考虑物理关系致非现实特征组合,与TabPFN基于预训练合成表格分布的先验知情学习冲突,负影响泛化;而XGBoost局部划分特征空间对此较不敏感。但对树模型偶见KMeans-SMOTE改善少数类PA,表明精心过采样在特定条件下有益。本研究未融入SAR物理或物候约束,未来应探索物理知情过采样。
折数2至10变化改变训练数据比例,TabPFN和XGBoost精度和PFI排名稳定,表明能从较小数据子集提取鲁棒特征表示;RF和SVM随折数增加(训练增多)类精度微升、PFI更稳,更依赖训练量但仍低于前两者。PFI排名一致性支持关键特征可靠性。
TabPFN优越性可归于先验知情学习范式及从有限表格数据建模复杂特征分布的能力,其预训练编码数据生成过程先验,即便数据有限不平衡也能推断特征关系。SAR特征具强非线性、相关和类依赖方差,L波段中HH/HV受结构生物量等耦合影响,传统模型难建模,TabPFN利用先验快速适应复杂交互。合成过采样与模型假设兼容性亦重要,SMOTE插值可能破坏物理真实散射关系,对依赖先验一致性的TabPFN尤为关键,而树模型较不敏感。PFI显示TabPFN一致赋予紧凑稳定子集高重要性,具隐式正则化,利于高多重共线性SAR任务。TabPFN对训练量变化鲁棒,不依赖SMOTE有效利用不平衡数据维持物理一致决策边界,适合参考数据昂贵或不均的业务监测。本研究限于单生长季单区域,反映观测环境内插而非跨年跨区泛化,需未来多区域多年及地理独立验证评估。研究除基准精度外提供新见解:TabPFN高效性不仅在高精度也在跨验证稳定识别紧凑信息特征子集,及与SMOTE交互揭示模型假设兼容性在SAR分类中的重要。
5. Conclusion
本研究系统评估了TabPFN、RF、SVM和XGBoost四种算法在不同交叉验证设置和过采样策略下基于SAR的作物分类性能。结合精度指标与PFI分析提供定量评估和模型行为可解释见解,并进行SAR特征子集消融区分手动特征与分类器贡献。
结果表明TabPFN在所有交叉验证设置中一致优于传统机器学习算法,获最高总体和类级别精度。特征消融显示不同SAR特征子集性能稳定,仅γ0与全特征集差异微小,表明TabPFN优越性主要归于直接从表格SAR数据学习信息关系而非大量手动特征工程。TabPFN总体精度达91.9%、Kappa达0.896,一致优于最佳传统模型。其在原始无SMOTE数据集上训练保持鲁棒,表明固有处理类别不平衡和复杂特征分布能力,可减少或消除对SMOTE过采样依赖,简化预处理提升业务适用性。TabPFN还展现稳定简洁特征重要性模式,高效利用最具信息量SAR变量,凸显先验知情表格模型在相关特征有限参考数据遥感应用的潜力。
XGBoost表现强劲稳定居次,与TabPFN特征重要性趋势相似尤对主导作物。RF适中可靠,SVM持续欠佳尤对少数类。所有模型中增加交叉验证折数对精度和重要性排名影响有限,表明性能在各设置间总体稳定。
基于SMOTE过采样未持续改善且有时降解,尤对TabPFN。KMeans-SMOTE在特定条件下为树模型提供微益。总体表明模型选择比合成数据增强对可靠SAR作物分类更重要,当特征分布受复杂物理散射机制影响时应谨慎使用过采样。
本研究提供超越比较基准的新见解:先验知情基础模型能有效利用多时相SAR后向散射内在信息且仅需少量手动工程特征受益;TabPFN与SMOTE交互表明合成过采样与模型假设兼容性在SAR作物分类中是重要考量。
总之,研究证明结合先验知情表格学习与模型无关特征重要性分析为SAR数据作物分类提供强大可解释框架。评估算法中TabPFN获最高分类性能同时保持鲁棒特征利用且极少依赖手动特征工程,展示其在参考数据有限或类别分布不平衡情况下业务农业监测的强大潜力。但本研究仅与广泛使用的传统机器学习比较,结果应解释为相对于这些基线方法的有效性而非确立优于所有现有表格学习方法。未来研究应纳入代表性深度表格模型(如基于Transformer和CNN架构)及多年多区域数据集,进一步评估TabPFN在不同农业环境下的泛化性与相对性能。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号