基于GEE和S1自动提取水稻种植区

这项研究提出了一种经济有效的方法，可用于近实时地绘制和监测大面积水稻的生长程度和种植方式。这种新颖的方法可以生成水稻种植区的高分辨率月度地图（10 m分辨率）以及水稻生长阶段。该方法将时态Sentinel-1数据和水稻物候参数与基于Google Earth Engine（GEE）云的平台集成在一起。它使用2016年9月至2018年10月处于VH极化状态的Sentinel-1每月中位时间序列。这两个研究区域是印度尼西亚西爪哇省的北部地区（75万公顷）以及马来西亚的吉打州和玻璃市州（超过1个）百万公顷）。使用K均值聚类，层次聚类分析（HCA）和VH极化时间序列剖面的可视化解释来生成水稻范围，种植模式和生育期的时空分布。为了使该过程自动化，对四种监督分类方法（支持向量机（SVM），人工神经网络（ANN），随机森林和C5.0分类模型）进行了独立试验，以识别聚类标签。比较每种分类方法的结果。该方法还可以预测长达两个月的水稻播种期。 VH极化数据可以确定水稻的四个生长阶段：T＆P：耕作和播种（30天）； V：植物人1和2（60天）； R：生殖（30天）； M：到期日（30天）。与实地调查数据相比，该方法测量的水稻总面积精度为96.5％，卡伯系数为0.92。与随机森林和C5.0模型相比，SVM和ANN显示出更好的性能。这种简单而强大的方法可以在整个东南亚地区推广，并且可以替代耗时，昂贵的实地调查