东北地理所在结合遥感技术与机器学习算法监测保护性耕作方面取得重要进展
农田中作物秸秆的管理是减少土壤侵蚀和增加土壤有机质含量的一个重要考虑因素。秸秆覆盖作为一种以农秸秆覆盖还田、免(少)耕播种为主要内容的现代耕作技术体系,是作物秸秆管理的重要评价指标。因此,区域范围内玉米秸秆覆盖度的准确、快速识别,对监测保护性耕作实施、农业补贴政策的制定具有关键作用。
机器学习的优势在于其能够从海量数据中自动提取模式和规律,实现智能化决策和预测,为解决复杂问题提供高效方案。Partial least squares regression (PLSR) 是一种线性非参数回归模型,相较之下,RR和LASSO则是线性参数模型。研究以中国东北地区草甸土为研究区域,基于GEE云平台,结合2019年-2023年10期Sentinel-2时序遥感影像,获取玉米种植后苗期前的遥感影像光谱特征,进而构建秸秆覆盖度(CRC)估测模型。通过比较不同机器学习算法模型的精度,选择最优模型进行研究区CRC及保护性耕作制图。
根据CRC反演结果及美国保护技术信息中心(CTIC)的定义,耕作方式分为传统耕作(CRC < 15%)、少耕(15% ≤ CRC < 30%)和免耕(CRC ≥ 30%)。图1展示了2019-2023年研究区域内不同耕作方式的空间分布,统计数据显示,自2019年至2023年,保护性耕作的占比分别为10.2%、27.5%、19.6%、15.5%和6.9%;少耕占比分别为12.9%、15.7%、12.0%、30.0%和18.4%;传统耕作占比分别为76.9%、56.8%、68.4%、54.5%和74.7%。研究区保护性耕作比例呈现先增后减的趋势,了解这些数据及其影响因素有助于决策者优化土地利用规划,提升农田生产效益,推动可持续农业发展。
图1 (a-f) 2019-2023研究区域保护性耕作空间分布图
该研究发表在遥感国际重要期刊《Remote Sensing》(中科院2区),由东北地理所遥感中心硕士研究生梁政伟(第一作者)、杜嘉高级工程师(通讯作者)和宋开山研究员共同完成。研究得到国家重点研发计划子课题(2021YFD1500103-2)、黑土粮仓科技会战长春示范区项目子课题(XDA28080501)和国家民用空间基础设施陆地观测卫星共性应用支撑平台(2017-000052-73-01-001735)的共同资助。
论文信息:Liang,Z.;Du,J.;Yu,W.;Zhuo,K.;Shao,K.;Zhang,W.;Zhang,C.;Qin,J.;Han,Y.;Sui,B.;et al. Evaluating Maize Residue Cover Using Machine Learning and Remote Sensing in the Meadow Soil Region of Northeast China. Remote Sens.2024, 16,3953.
附件下载: