基于多源卫星遥感影像的广西中南部地区甘蔗识别及产量预测

针对广西地区作物种类多、蔗区调查复杂度高,以及因天气多变导致的卫星遥感图像获取困难等问题,该文提出了一种基于Sentienl-2影像的语义分割改进算法用于自动识别甘蔗种植区域,并在多时相的Sentinel-2和Landsat8影像数据基础上,提出了一种代表性光谱特征提取方法构建甘蔗产量预测模型。首先在轻量级网络BiseNetV2中加入了高效通道注意力模块(efficient channel attention,ECA),构建了ECA-BiseNetV2模型识别蔗田的种植区域;然后从识别到的甘蔗种植区域中提取不同时期的多种植被指数,利用线性回归模型将Landsat8植被指数转化为Sentinel-2植被指数,以减小Sentinel-2和Landsat8的数据差异;接着对各蔗区、各生长周期内的植被指数时间序列数据进行三次曲线拟合,提取最大值作为代表性光谱特征;最后使用了多种机器学习算法构建产量预测模型。结果表明,所提出模型总体精度达91.54%,甘蔗查准率达95.57%;基于植被指数拟合最大值构建的决策树模型的测试集R 2为0.792,比采用实际最大值构建的相应模型(R 2=0.759)提升了4.3%。该方法可有效解决因天气问题导致的甘蔗关键生长期遥感图像缺失而难以准确构建产量预测模型的问题,展示出较强的应用性。