基于整合有效积温与多源遥感数据的深度学习模型的早期棉田制图

《Advances in Space Research》:Early Cotton Fields Mapping Using a Deep Learning Model Integrating Effective Accumulated Temperature and Multi-Source Remote Sensing Data

【字体: 大 中 小 】 时间:2026年08月30日 来源:Advances in Space Research 3.2

编辑推荐:

   •TDSTMA 融合 Sentinel-1/2 和积温用于棉花早期制图。•双分支注意力框架连接卫星和温度动态。•在呼图壁县,棉花田早在年积日 140 (DoY 140) 就被识别出来。•TDSTMA 优于仅使用遥感数据的变体和时间序列基线。•历史样本训练使得昌吉地区的当季制图

  
  • •
    TDSTMA 融合 Sentinel-1/2 和积温用于棉花早期制图。
  • •
    双分支注意力框架连接卫星和温度动态。
  • •
    在呼图壁县,棉花田早在年积日 140 (DoY 140) 就被识别出来。
  • •
    TDSTMA 优于仅使用遥感数据的变体和时间序列基线。
  • •
    历史样本训练使得昌吉地区的当季制图成为可能。

引言

随着全球人口的快速增长,对农产品的需求显著增加 (You 等,2020)。有效监测农业空间信息对于优化生产和管理实践至关重要 (Cai 等,2018)。棉花作为一种重要的全球经济作物,在纺织、食品和工业领域发挥着关键作用。新疆占中国棉花产量的 80% 以上,占世界棉花总产量的约 20%,是全球棉花供应的关键地区 (OECD/FAO, 2021; 中国国家统计局,2021)。因此,生成新疆棉花分布的准确、详细和及时的地图对于明智的作物管理和水资源规划至关重要。
计算成本的降低和多源卫星遥感数据的可用性促进了大规模作物信息的提取 (Han 等,2019)。当前的作物制图方法通常依赖于完整的时间序列遥感数据或长时间序列数据,例如基于物候的方法 (Song 等,2019; Zhan 等,2021; Xu 等,2023) 和动态时间规整 (DTW) (Belkhouja 等,2023, Laperre 等,2020),这导致了实现近实时制图的挑战。因此,早期识别的概念日益突出,侧重于使用不完整的季内时间序列数据来促进作物生长阶段的及时识别,从而帮助利益相关者优化农业资源利用 (McNairn 等,2014, Vaudour 等,2015, Maponya 等,2020)。
早期作物识别可以分为两种方法:利用长期历史时间序列和依赖季内生长图像。基于长期历史时间序列的方法利用作物生长早期的遥感数据建立参考,促进当年作物的早期识别。Gallo 等 (2023) 从长期地面实况样本开始,自动生成短期作物分布图 (5 天参考),通过对历史时间序列数据进行物候分析在时间上区分不同作物。同样,Cai 等 (2018) 利用 2000 年至 2014 年的 Landsat 数据建立了时间序列,并利用深度神经网络 (DNN) 分类器基于该时间数据预测 2015 年的作物类型。使用季内生长图像进行早期作物识别的方法需要覆盖关键生长期。虽然历史数据也用于训练分类器,但这种方法与上述方法不同,它通常选择历史年份内部或作物生长期期间的数据。它强调作物生长早期短时间范围内表现出的特征。例如,Guo 等 (2022) 使用基于 Sentinel-2 数据的特征选择策略结合随机森林 (RF),实现了河南杞县大蒜田的早期识别。Rahmati 等 (2022) 从无云的 Sentinel-2 图像构建时间特征,增量输入到支持向量机 (SVM) 和 RF 分类器中,用于伊朗 Shahriar 地区的早期作物识别。Wang 等 (2023) 提出了 Cropformer 模型,用于新疆和甘肃部分地区的作物提取和早期识别。Ru?wurm 等 (2023) 使用端到端学习进行早期时间序列分类,将决策过程与作物物候事件联系起来,并证明纳入物候数据增强了早期分类方法。
纳入早期生长阶段的信息观测可以提高作物识别;然而,性能也取决于模型提取和融合互补的空间、时间和多尺度特征的能力。最近的遥感图像语义分割频域方法证明了结合空间域和频域表示的价值。DDFNet 解耦并自适应融合空间域和频域组件,以平衡细粒度边界细节与全局语义信息;FreDNet 采用频率引导的去噪和跨阶段融合来保留高频语义线索和边缘结构;FSSFFormer 使用多分辨率小波分解来增强光谱 - 空间表示学习 (Li 等,2025, Li 等,2026a, 2026b)。尽管这些方法是为通用遥感图像分割而不是早期作物制图而开发的,但它们强调了有效的多域和多尺度特征表示的重要性。在早期作物识别中,现有研究主要通过优化输入特征来提高作物可辨识度。Yi 等 (2022) 使用从 Sentinel-2 图像衍生出的四个植被指数和五日时间序列观测,结合 1D-CNN 识别石羊河盆地的六种作物类型,并确定最早可识别日期。Wei 等 (2023) 从早期图像构建多时相差异特征来区分玉米和大豆,证明了作物生长变化对早期识别的价值。Xu 等 (2023) 开发了两种红边植被指数,并为 RNN 生成时间序列输入,实现了准确的作物类型识别。然而,这些研究主要依赖于单一的遥感数据源,对控制作物发育的环境因素考虑有限。积温 (GDD) 通过累加高于基础阈值的有效温度随时间的总和,量化可供作物生长的累计热条件 (Hatfield 等,2015)。它被广泛应用于农业、气象学和生态学,以表征作物发育、害虫周期和气候影响 (McMaster, 1997, Griffin and Honeycutt, 2000, Trudgill 等,2005, Franch 等,2015)。
本研究提出了一种基于 TDSTMA(双层双分支时空多级注意力模型)的区域棉花早期识别方法。其目的是利用作物生长早期的多源遥感数据并整合 GDD,使特定区域内的目标作物得到及时识别。本研究的创新之处在于:
  • 1)
    TDSTMA 模型将目标作物的有效积温时间变化与多源时间遥感数据的时空特征相结合,以促进指定区域内目标作物种植的早期检测。
  • 2)
    它采用端到端方法融合多源时空信息,建立目标作物的 GDD 信息与高级时间遥感信息之间的关系,从而实现有效的学习和集成。
  • 3)
    当应用于生成不同区域目标作物的种植地图时,模型表现出理想的空间可迁移性。

章节摘要

研究区域和数据集

昌吉回族自治州位于新疆,地处天山北坡和准噶尔盆地东南缘,地势南高北低。该地区属于温带大陆性气候,年平均降水量为 167 毫米,平均温度为 6.7°C,5 月至 8 月每天日照时间超过 10 小时,支持旺盛的生长期。行政上,昌吉州包括玛纳斯、呼图壁,

方法论

研究结构分为三个主要部分 (图 4):(1) 数据计算:处理光学和 SAR 时间序列图像,基于 GEE 计算遥感指数,并结合 ERA5 数据构建温度数据并计算累积积温;(2) TDSTMA 模型训练和验证。将处理后的数据增量输入模型进行训练并生成相应的分类器;(3) 早期识别:使用训练好的模型配合不同长度的时间序列以及

早期制图结果

实验采用了覆盖棉花生长早期至中期阶段的时间序列图像。使用不同长度的时间序列训练 TDSTMA 模型以评估其性能。图 6 展示了呼图壁县不同时间序列长度模型的分类精度。2021 年,温度在年积日 88 (DoY=88) 首次超过棉花积温的基础阈值 (10°C)。结果显示,F1 分数在年积日 140 (DoY = 140) 首次超过 0.80。图 7 说明了棉花

多源遥感数据和积温 (GDD) 的整合用于早期作物识别

传统的早期作物识别方法通常需要覆盖作物生长期很大一部分的相对长时间序列观测。相比之下,我们关注在作物生长早期更有优势的光学特征,并辅以地块平均和 GDD 特征。这种方法允许我们的模型专注于早期特征,而无需通过使用完整生长周期数据来增加计算成本。许多研究表明

结论

本研究专注于昌吉州 (一个干旱/半干旱地区) 的早期作物特征,并开发了集成多源遥感数据和积温 (GDD) 用于早期作物类型制图的 TDSTMA 模型。使用时间序列 Sentinel-1 SAR、Sentinel-2 光学图像和 ERA5 温度数据,该模型实现了该地区棉花田的早期识别。主要结论如下:
  • (1)
    TDSTMA 增强了作物生长的提取

未引用参考文献

Cramér, 1946, Han and Meng, 2019, Hatfield and Prueger, 2015, Jiang 等,2022, Li 等,2026b, OECD, FAO, , 2021, Pearson, 1900, Sherstinsky, 2020, Song and Wang, 2019, Xu 等,2023a, Xu 等,2023b, You and Dong, 2020.

利益冲突声明

作者声明他们没有任何已知的竞争财务利益或个人关系可能影响本文报告的工作。

致谢

这项工作部分得到了中国福建省科技计划项目 (资助项目 2023I0007) 的支持
王晓勤|叶骏|刘建妮|李梦萌|林梦晶|吴群勇
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