Đánh giá hoạt động nông nghiệp và phân loại cây trồng chi tiết trên các thửa ruộng dựa trên ảnh viễn thám chuỗi thời gian.

Với sự phát triển của công nghệ viễn thám, việc giám sát và quản lý nông nghiệp đang dần hướng tới sự thông minh và chính xác. Sử dụng ảnh viễn thám theo chuỗi thời gian để xác định các hoạt động nông nghiệp và phân loại cây trồng trong các thửa ruộng cụ thể đã trở thành một công cụ quan trọng trong nông nghiệp hiện đại.

Tổng quan về ảnh viễn thám theo chuỗi thời gian

Ảnh viễn thám chuỗi thời gian đề cập đến dữ liệu hình ảnh đa thời điểm của cùng một khu vực được thu thập vào các thời điểm khác nhau. Những hình ảnh này có thể đến từ nhiều nền tảng khác nhau như vệ tinh và máy bay không người lái. Bằng cách phân tích dữ liệu này, thông tin về hiện tượng sinh học theo chiều thời gian và thông tin về phân bố cây trồng theo chiều không gian có thể được thu thập, từ đó tiết lộ những thay đổi động thái trong lớp phủ đất và sự phát triển của cây trồng.

Phán quyết về hoạt động nông nghiệp

Đánh giá các hoạt động nông nghiệp chủ yếu bao gồm việc xác định khu vực trồng trọt, phân loại các loại cây trồng và theo dõi tình trạng sinh trưởng. Hình ảnh viễn thám theo chuỗi thời gian có thể thực hiện các chức năng sau:

Xác định khu vực trồng cây:

Bằng cách phân tích sự thay đổi chỉ số thực vật trong ảnh đa thời điểm, có thể xác định được sự phân bố đất canh tác trong các mùa khác nhau.

Các thuật toán học máy được sử dụng để phân loại hình ảnh và xác định chính xác các khu vực trồng trọt.

Phân loại theo loại cây trồng:

Bằng cách tận dụng những thay đổi về đặc tính quang phổ của các loại cây trồng khác nhau trong suốt chu kỳ sinh trưởng, một mô hình phân loại được thiết lập để xác định các loại cây trồng.

Việc kết hợp dữ liệu chuỗi thời gian có thể cải thiện độ chính xác và tính ổn định của phân loại.

Theo dõi sự tăng trưởng:

Bằng cách phân tích sự thay đổi theo thời gian của các chỉ số thực vật, chúng ta có thể theo dõi sự sinh trưởng và sức khỏe của cây trồng. Điều này cho phép phát hiện kịp thời các bất thường trong khu vực canh tác, chẳng hạn như sâu bệnh, hạn hán và lũ lụt, cung cấp thông tin cảnh báo sớm.

Ví dụ ứng dụng

1. Trực quan hóa dữ liệu chuỗi thời gian và trích xuất các giai đoạn sinh học.

△Hình 1. Chuỗi ảnh theo thời gian của khu vực nghiên cứu và việc trích xuất các giai đoạn sinh học.

Chúng tôi đã thu thập dữ liệu hình ảnh theo quý trong giai đoạn 2022-2023 từ một khu đất thí điểm tại quận Trường An, thành phố Tây An. Sau quá trình lọc và che phủ dựa trên điện toán đám mây, chúng tôi đã chọn ra 18 hình ảnh. Chúng tôi đã chuẩn hóa sự phát triển của cây trồng bằng chỉ số NDVI để so sánh sự khác biệt về sự phát triển của cây trồng ở các thời điểm khác nhau.

Như hình minh họa ở trên, bằng cách quan sát sự thay đổi của chỉ số thực vật theo thời gian, có thể xác định được các giai đoạn sinh trưởng quan trọng, từ đó cho phép dự đoán và đánh giá năng suất cây trồng và các hoạt động nông nghiệp. Kết hợp với thông tin phân bố không gian, có thể lập bản đồ phân bố cây trồng theo mùa.

2. Dựa trên phân tích điểm nóng không gian-thời gian mới nổi và phân loại cây trồng của các hoạt động nông nghiệp

△Hình 2 Bản đồ phân bố cây trồng dựa trên hoạt động nông nghiệp

Ảnh chuỗi thời gian được chuyển đổi thành các điểm vectơ hoặc dữ liệu raster đa chiều, và một khối không gian-thời gian được xây dựng. Dựa trên khối này, phân tích điểm nóng được áp dụng cho từng lớp thời gian theo các mối quan hệ lân cận không gian cố định và các bước thời gian. Kết quả phân tích điểm nóng sau đó được phân tích thống kê cho từng ô lưới, cuối cùng tạo ra một bản đồ phân loại chứa cả thông tin không gian và thời gian. Cuối cùng, kết quả phân loại được diễn giải phù hợp với các kịch bản ứng dụng thực tế.

Như hình trên cho thấy, khu vực luân canh lúa mì-ngô thể hiện điểm nóng dao động trong chỉ số thực vật NDVI trong quý 2022-2023, cho thấy sự sinh trưởng đáng kể của cây trồng trong suốt thời kỳ này, nhưng có những khoảng gián đoạn. Điều này được hiểu là giai đoạn nảy mầm của lúa mì và giai đoạn nảy mầm của ngô sau khi thu hoạch lúa mì, do đó được phân loại là khu vực trồng hai vụ. Khu vực trồng một vụ cho thấy vùng này không thể hiện đặc điểm biến đổi không gian-thời gian đáng kể, và được xác định là phần lớn diện tích là trồng một vụ. Khu vực bỏ hoang một phần là những khu vực không trồng trọt trong hầu hết mùa vụ, với khả năng trồng một vụ vào một số thời điểm nhất định. Khu vực bỏ hoang là những khu vực không trồng trọt trong toàn bộ mùa vụ.

Bằng cách sử dụng ảnh viễn thám theo chuỗi thời gian, có thể xác định các giai đoạn sinh trưởng của cây trồng và đánh giá các hoạt động nông nghiệp trên các thửa ruộng dựa trên các giai đoạn này, từ đó đạt được sự phân loại chi tiết hơn và cho phép theo dõi sự phát triển của các thửa ruộng dựa trên các hoạt động nông nghiệp và quy trình gieo trồng.