自适应开放集场景下基于Google Earth Engine的作物分类

《The Crop Journal》：Self-adaptation crop classification for open-set scenarios on Google Earth Engine

　　

开放集场景给作物分类模型的大规模应用带来不可避免的挑战。当监督分类器被直接用于此类场景时，目标区中未见于样本集的未知作物常被误分为已知作物。为此，研究人员提出一种称为“自适配开放作物分类（Self-adaptation Open Crop classification，SAOpenCrop）”的新方法：通过最小化已知作物测试集与待分类数据在分类概率分布上的差异，为每一个已知作物自动确定样本集外未知作物的识别阈值，从而缓解传统开放集分类仅依赖已知类样本而导致识别阈值被高估的风险。该方法在中国、法国、美国测试区应用后，作物制图总体精度达0.88–0.95，较传统监督分类提高约0.2；由SAOpenCrop得到的作物面积比例与实际作物面积比例高度一致，R2为0.97–0.99。结果表明，SAOpenCrop可有效防止监督分类中将未知作物误分类，并生成更准确的已知作物空间分布。

《The Crop Journal》刊载的该研究面向大规模遥感作物制图中的开放集问题。研究背景方面，基于遥感影像的作物图是农业与环境研究的重要数据来源，但作物类型与种植制度多样且空间分布不均，难以收集覆盖全部类型的训练样本。实际部署时，分类器不再面对训练集与待分类数据类别完全一致的闭集场景，而是待分类数据包含训练集未见类别的开放集场景。监督分类器仅从训练数据学习，会把未知类样本以高置信度误赋给已知类，产生过置信问题。既有开放集方法多关注特征以增强已知/未知类差异，较少处理未知类识别阈值的设定；遥感作物分类中同作物因天气和光照产生光谱变异，已知类呈长尾分布，仅依已知类分布设阈值会偏保守，而单类分类常用的高斯混合模型（Gaussian Mixture Model，GMM）又难以估计未知类被误分至各已知类的真实比例。因此，研究人员开展SAOpenCrop研究，目的是在开放集作物分类中更准确地位每个已知作物设定未知作物识别阈值，并在中国渭干河流域、美国明尼苏达Lac qui Parle-Chippewa流域周边、法国诺曼底三个差异显著的农业区验证其泛化能力。

关键技术方法上，研究人员使用NDVI、White Bolls Index（WBI）、Green Normalized Difference Vegetation Index（GNDVI）与合成孔径雷达（Synthetic Aperture Radar，SAR）等16天时间序列，并用WorldCover、EUCROPMAP、Cropland Data Layer（CDL）等产品掩膜非耕地；地面参考来自渭干河2020年样本点（经K-means按NDVI时序校正小麦–玉米复种标签）、诺曼底EUCROPMAP 2018与明尼苏达CDL分层随机采样点及面积比例。方法核心是分类概率分布（classification probability distribution）：已知类测试集分布近似无未知类污染的分布P^R，待分类数据分布为P^O；未知类混入会使低概率区间占比升高、高概率区间占比降低。SAOpenCrop通过迭代滤除待分类数据中低概率样本，使P^O逼近已知类测试集的P^R，从而为每已知作物得到未知作物识别阈值。

研究结果如下。

2.1 研究区。渭干河流域以小麦、玉米、棉花为主并新增果园；Lac-Chippewa以甜菜、玉米、大豆为主；诺曼底以玉米、小麦、油菜为主。三区作物组成与比例差异大，可模拟真实开放集中已知/未知类不平衡。

2.2 数据收集与预处理。2.2.1 卫星影像。四类时序指标标准化为2月1日至12月31日16天序列以降低天气影响，各区用相应土地覆盖/耕地数据排除荒漠草地等干扰。2.2.2 地面真值参考。渭干河样本经K-means依据NDVI双峰/单峰现象将冬小麦–夏玉米复种系统重新标记；诺曼底与明尼苏达直接由既有制图产品分层随机抽样，并以产品内各类面积比例校核分类面积精度。

2.3 方法。2.3.1 基于分类的概率分布差异。分类概率间接反映特征差异，未知作物特征不同使其分类概率显著更低；待分类数据含未知类时，高概率数据占比下降，P^O与P^R出现可观测偏移。2.3.2 SAOpenCrop。以已知类测试集分类概率分布替代不可直接获得的纯已知类分布，迭代剔除低概率实例，最小化P^O与P^R差异，自动产出每已知作物的未知作物识别阈值，在隔离未知作物同时保留已知类精度。

讨论与结论部分指出，传统开放集方法阈值仅由已知类分布决定，在长尾与光谱变异下偏保守；SAOpenCrop利用待分类数据自身与已知类测试集的概率分布对齐来实现阈值自适配，不必预设未知类比例，也不必强拟合GMM。研究结论翻译为：SAOpenCrop通过最小化已知作物测试样本与待分类数据之间的分类概率分布差异，为每个已知作物自动设定未知作物识别阈值；在中国、法国、美国三地应用中，作物制图总体精度为0.88至0.95，比传统监督分类提升0.2，且分类所得作物面积比例与实际比例R²达0.97至0.99。该方法能有效防止开放集监督分类把未知作物误分为已知作物，并生成更可靠的已知作物空间分布，证明了概率分布自适配机制在大规模遥感作物制图中处理未知类的有效性。