Clasificación detallada de los cultivos en la región de Karamay basada en series temporales.

Principio de clasificación

Los métodos de clasificación de cultivos basados ​​en series temporales analizan los cambios significativos en las características espectrales de los cultivos, los índices de vegetación (como el NDVI) y los índices de humedad (como el NDWI) a lo largo de todo el ciclo de crecimiento, y los combinan con modelos de clasificación avanzados para lograr una clasificación precisa de los tipos de cultivo. Este método se adapta eficazmente a escenarios agrícolas con cultivos complejos y amplias zonas geográficas, y tiene un gran valor práctico, especialmente en las estadísticas de superficie cultivada y el monitoreo agrícola regional.

Pasos de clasificación

1. Extracción de los límites de las parcelas de terreno 

Las imágenes de teledetección del área de estudio se obtuvieron seleccionando datos de imágenes de teledetección de larga duración (imágenes sintéticas de larga duración procesadas con cobertura de nubes). Durante la segmentación de imágenes, se utilizó el método de segmentación de imágenes de desplazamiento medio a gran escala (LSMS) para extraer los límites de las parcelas de cultivo dentro del área de estudio, generando datos vectoriales de los límites de cada parcela. Estos datos de los límites de las parcelas constituyen la base para la clasificación posterior, son adecuados para técnicas de clasificación orientadas a objetos y ayudan a distinguir con precisión las parcelas de cultivo adyacentes.

2. Extracción de curvas de características fenológicas de los cultivos

Utilizando imágenes satelitales de teledetección de series temporales, se extraen el índice de vegetación (NDVI) y el índice de humedad (NDWI) de las parcelas en diferentes momentos y se representan gráficamente para generar curvas características de series temporales para cada parcela.

Estas curvas características no solo reflejan visualmente los patrones de crecimiento de los cultivos, sino que también ayudan a inferir momentos clave de la fenología, como la siembra, el crecimiento rápido, la madurez y el marchitamiento. A partir del análisis de estos momentos, se pueden determinar los intervalos de tiempo adecuados para la clasificación de los cultivos, optimizando así los parámetros de clasificación y mejorando su precisión.

3. Establecimiento de características de clasificación

A partir de datos vectoriales de parcelas, se extraen valores de características para ventanas de clasificación a partir de datos ráster multidimensionales mediante un método estadístico zonal. Los índices de vegetación, los parámetros fenológicos y otras características auxiliares dentro de diferentes ventanas de tiempo constituyen el conjunto de datos de características necesario para la clasificación.

Este método de creación de características basado en estadísticas de series temporales puede capturar eficazmente las diferencias espaciales y temporales de los cultivos, proporcionando datos de entrada de alta calidad para la clasificación de cultivos orientada a objetos.

4. Entrenamiento de modelos

Utilizando datos de validación de campo proporcionados por los usuarios como etiquetas, se creó un conjunto de datos de entrenamiento para entrenar un modelo de clasificación de aprendizaje automático. En el área de estudio, los principales cultivos eran alfalfa, maíz, algodón y otros. El proceso de entrenamiento del modelo incluyó validación cruzada y ajuste de hiperparámetros para garantizar la capacidad de generalización y la precisión del modelo de clasificación.

5. Aplicación del modelo

El modelo de clasificación entrenado se extiende a un área mayor y se realiza la clasificación de cultivos utilizando datos de teledetección de series temporales. Durante este proceso, se calcula la superficie de siembra de los diferentes cultivos en función de los resultados de la clasificación.

A partir de los resultados de la clasificación, se pueden realizar trabajos adicionales sobre el análisis de la distribución regional de los cultivos, las estadísticas de producción agrícola y el seguimiento dinámico, etc., para proporcionar una base científica para la gestión agrícola.

Resumir

Los métodos de clasificación basados ​​en características de series temporales se adaptan a diversas áreas de cultivo y patrones de siembra complejos, logrando una alta precisión incluso con tipos de cultivos complejos. Gracias a la riqueza de información de las series temporales que proporciona este método, se reduce la dependencia de muestras etiquetadas en campo, lo que lo hace idóneo para la clasificación de cultivos en grandes extensiones. Al aprovechar al máximo la cobertura espacial de los datos de teledetección satelital, permite obtener estadísticas a gran escala sobre la distribución y superficie de los cultivos, lo que facilita la planificación agrícola regional y nacional.

Figura 1. Diagrama esquemático de las curvas características de series temporales para diferentes tipos de cultivos.

Figura 2. Resultados de la extracción de los límites de la parcela.

Figura 3. Resultados de la clasificación orientada a objetos