Classification fine des cultures dans la région de Karamay basée sur des séries chronologiques

Principe de classification

Les méthodes de classification fine des cultures basées sur les séries temporelles analysent les variations significatives des caractéristiques spectrales des cultures, des indices de végétation (tels que l'indice NDVI) et des indices d'humidité (tels que l'indice NDWI) tout au long de leur cycle de croissance, et les combinent à des modèles de classification avancés pour affiner la classification des types de cultures. Cette méthode s'adapte efficacement aux contextes agricoles caractérisés par une grande diversité de cultures et de vastes zones géographiques, et présente un intérêt applicatif majeur, notamment pour les statistiques sur les surfaces cultivées et le suivi agricole régional.

Étapes de classification

1. Extraction des limites des parcelles de terrain 

Des images de télédétection de la zone d'étude ont été acquises en sélectionnant des données d'imagerie de télédétection à long terme (images synthétiques à long terme traitées avec prise en compte de la couverture nuageuse). Lors de la segmentation d'image, la méthode de segmentation par décalage moyen à grande échelle (LSMS) a été utilisée pour extraire les limites des parcelles cultivées au sein de la zone d'étude, générant ainsi des données vectorielles de limites pour chaque parcelle. Ces données de limites de parcelles constituent la base de la classification ultérieure, sont adaptées aux techniques de classification orientées objet et permettent de distinguer avec précision les parcelles cultivées adjacentes.

2. Extraction des courbes caractéristiques phénologiques des cultures

À l'aide d'images de télédétection satellitaire en série temporelle, l'indice de végétation (NDVI) et l'indice d'humidité (NDWI) des parcelles à différents moments sont extraits et cartographiés pour générer des courbes caractéristiques en série temporelle pour chaque parcelle.

Ces courbes caractéristiques reflètent non seulement visuellement les schémas de croissance des cultures, mais permettent également d'identifier les étapes phénologiques clés, telles que le semis, la croissance rapide, la maturité et le flétrissement. L'analyse de ces étapes phénologiques permet de déterminer des périodes optimales pour la classification des cultures, ce qui optimise les paramètres de classification et améliore sa précision.

3. établissement des caractéristiques de classification

À partir des données vectorielles des parcelles, les valeurs des caractéristiques pour les fenêtres de classification sont extraites de données raster multidimensionnelles à l'aide d'une méthode statistique zonale. Les indices de végétation, les paramètres phénologiques et d'autres caractéristiques auxiliaires, au sein de différentes fenêtres temporelles, constituent ensemble l'ensemble de données de caractéristiques requis pour la classification.

Cette méthode de création de caractéristiques basée sur des statistiques de séries temporelles permet de capturer efficacement les différences spatiales et temporelles des cultures, fournissant ainsi des données d'entrée de haute qualité pour la classification des cultures orientée objet.

4. Formation sur modèle

Un jeu de données d'entraînement a été constitué à partir de données de validation au sol fournies par l'utilisateur, afin d'entraîner un modèle de classification par apprentissage automatique. Dans la zone d'étude, les principales cultures étaient la luzerne, le maïs, le coton et d'autres cultures. L'entraînement du modèle a fait appel à la validation croisée et à l'optimisation des hyperparamètres pour garantir sa capacité de généralisation et sa précision.

5. Application modèle

Le modèle de classification entraîné est ensuite étendu à une zone plus vaste, et la classification des cultures est réalisée à l'aide de données de télédétection temporelles. Au cours de ce processus, la superficie cultivée des différentes cultures est calculée en fonction des résultats de la classification.

À partir des résultats de la classification, des travaux complémentaires peuvent être menés sur l'analyse de la répartition régionale des cultures, les statistiques de la production agricole et le suivi dynamique, etc., afin de fournir une base scientifique à la gestion agricole.

Résumer

Les méthodes de classification basées sur les séries temporelles s'adaptent à la diversité des zones de culture et à la complexité des schémas d'implantation, garantissant une grande précision même pour les cultures les plus diversifiées. Grâce à l'exploitation de la richesse des informations temporelles, cette méthode réduit la dépendance aux échantillons de terrain, la rendant ainsi adaptée à la classification des cultures sur de vastes superficies. Tirant pleinement parti de la couverture spatiale offerte par la télédétection satellitaire, elle permet d'obtenir des statistiques à grande échelle sur la distribution des cultures et les superficies cultivées, contribuant ainsi à la planification agricole régionale et nationale.

Figure 1. Schéma des courbes caractéristiques des séries temporelles pour différents types de cultures

Figure 2. Résultats de l'extraction des limites de la parcelle

Figure 3. Résultats de la classification orientée objet