Rohreis ist ein wichtiges landwirtschaftliches Produkt und eine genaue Kartierung der Reisfelder ist von entscheidender Bedeutung, um die Ernährungssicherheit zu verbessern, eine nachhaltige Landwirtschaft zu fördern, die Ernteerträge zu steigern und den technologischen Fortschritt zu ermöglichen.
Eine Forschungsgruppe unter der Leitung von Prof. Sun Xiaobing vom Hefei Institute of Physical Science der Chinesischen Akademie der Wissenschaften entwickelte eine Methode zur genauen Kartierung des Reisanbaus in Anhui, einer Provinz im Osten Chinas. Die Arbeit ist veröffentlicht im Journal Landwirtschaft.
Die Forscher kombinierten jährliche phänologische Merkmale mit Sentinel-1/2-Bildern und nutzten die Satellitenfernerkundung und maschinelles Lernen, um die landwirtschaftliche Überwachung zu verbessern.
Sie leiteten jährliche phänologische Variationen aus verifizierten Ground-Truth-Daten ab und ordneten verschiedenen phänologischen Phasen mehrere Vegetationsindizes zu.
Auf diese Weise können sie durch maschinelles Lernen pixelgenaue Verteilungskarten zum Reisanbau erstellen.
Das Forschungsteam verwendete eine Technik zur automatischen Stichprobenerweiterung, um die Stichprobengröße zu erhöhen, und schichtete verschiedene Gitter innerhalb des Untersuchungsgebiets.
Die Forscher validierten die Ergebnisse dieser Methode mit einer Konfusionsmatrix, dem Anhui Statistical Yearbook und anderen Reiskartierungsalgorithmen mit ähnlicher Auflösung. Die Methode zeigte in den wichtigsten Getreideanbaugebieten von Anhui eine hohe Genauigkeit mit weniger als 10 % Fehler und zeigte einen praktischen Wert in der Landwirtschaft.
Darüber hinaus könnten die in dieser Studie entwickelten Techniken zur Stichprobenerweiterung für die Kartierung anderer wichtiger Cash Crops angepasst werden.
Diese Studie integriert phänologische Merkmale mit optischen und Synthetic Aperture Radar-Daten zur Schätzung der Anbaufläche und wird laut Prof. Sun einen praktischen Wert für zukünftige Studien zu landwirtschaftlichen Anpflanzungen und Erträgen bieten.
Weitere Informationen:
Zeling Wang et al., Verbesserte Klassifizierung von Rohreis unter Verwendung von Sentinel-1/2-Bildern in Anhui, China: Phänologische Merkmale, Algorithmen, Validierung und Analyse, Landwirtschaft (2024). DOI: 10.3390/landwirtschaft14081282