Trích xuất đối tượng dựa trên các thửa ruộng lúa mì bằng phương pháp viễn thám siêu phổ

Trong thực tiễn nông nghiệp chính xác, ranh giới thửa ruộng là dữ liệu trồng trọt cơ bản nhất. Chúng tạo ra mối liên hệ giữa tất cả dữ liệu cây trồng và thế giới thực, cung cấp ranh giới địa lý chính xác cho thống kê và phân tích tăng trưởng ở cấp độ thửa ruộng, đồng thời tạo nền tảng cho việc phân tích sự thay đổi diện tích thửa ruộng và theo dõi dài hạn cây trồng ở các giai đoạn sinh trưởng khác nhau.

Do mô hình sản xuất nông nghiệp và lịch sử canh tác khác nhau ở các vùng miền, định nghĩa và khái niệm về "thửa ruộng" cũng khác nhau, và kết quả quan sát ở các quy mô khác nhau không hoàn toàn nhất quán. Việc trích xuất thửa ruộng trong bài báo này dựa trên ảnh viễn thám vệ tinh có độ phân giải 10 mét. Do đó, một thửa ruộng được định nghĩa là một đơn vị canh tác tương đối độc lập, được phân chia bởi các con đường trải nhựa như đường nông thôn hoặc đường làng.

Phương pháp trích xuất hình ảnh thửa ruộng lúa mì

Nhóm nghiên cứu Hàng không vũ trụ Xiguang thuộc Viện Hàn lâm Khoa học Trung Quốc đã sử dụng ảnh tổng hợp có giá trị tối đa của cây lúa mì ở huyện Lintong trong giai đoạn trổ bông năm 2023, và trích xuất các thửa ruộng lúa mì cho mùa vụ 2023-2024 bằng công nghệ phân loại hướng đối tượng.
Phân loại hướng đối tượng chia các đặc điểm địa hình thành các đối tượng độc lập thông qua phương pháp phân đoạn rồi phân loại, sau đó phân loại chúng dựa trên các đối tượng này. Phương pháp này phần lớn tránh được hiệu ứng "muối tiêu" của phân loại dựa trên pixel truyền thống đồng thời tăng khả năng giải thích của kết quả phân loại. Kết quả đầu ra là một vectơ thửa đất, có thể được sử dụng trực tiếp cho các phép tính và thống kê về hình dạng và diện tích, tạo điều kiện thuận lợi cho các phân tích tiếp theo.

▲Hình 1 Kết quả phân loại hướng đối tượng

Phân tích kết quả hình ảnh lúa mì

Dựa trên tài liệu tham khảo và đặc điểm địa hình địa phương, các đối tượng được chia thành năm loại: ruộng lúa mì, khu đô thị/công trình nhân tạo, đất trống, khu vực cát/vật thể có độ phản xạ cao và các vùng nước. Kết quả phân loại đối với vùng nước và khu đô thị tương đối khả quan. Một số con đường bị nhầm lẫn với đất trống, và một số mái nhà có độ phản xạ cao, ảnh hưởng đến kết quả phân loại. Do đó, việc gộp các vật thể có độ phản xạ cao với khu vực cát đã làm tăng độ tin cậy của kết quả phân loại.

Nó có thể hiển thị trực quan khu vực đô thị và đất chưa sử dụng. Nó cũng có thể tính toán diện tích của các đặc điểm đất tương ứng theo từng năm và phân tích sự phát triển và xu hướng thay đổi của các thị trấn và các loại hình sử dụng đất khác nhau.

▲Hình 2. Đánh giá độ chính xác của bộ phân loại rừng ngẫu nhiên hướng đối tượng

Xi'an Institute of Optics and Precision Mechanics CAS Aerospace Science and Technology Group Co.,LTD - Phân tích tăng trưởng thửa ruộng nông nghiệp

Trong trường hợp này, tổng cộng 409 mẫu từ năm loại lớp phủ đất đã được phân tích và dán nhãn trực quan. 80% được sử dụng để huấn luyện và 20% để kiểm chứng. Hình 2 cho thấy đánh giá độ chính xác của bộ phân loại, thể hiện hiệu suất phân loại tốt đối với đất nông nghiệp, đất trống và các vùng nước. Độ chính xác phân loại đối với khu vực đô thị/công trình nhân tạo tương đối kém, có thể do sự phân bố phức tạp của lớp phủ đất và những hạn chế do độ phân giải ảnh vệ tinh gây ra.

▲Hình 3. Thu hoạch một phần lúa mì tại phường Xiangqiao, huyện Lintong.

Hình ảnh trên cho thấy kết quả trích xuất cho một khu vực cục bộ. Nhìn chung, hiệu quả khá tốt, chỉ có một vài khu vực bị bỏ sót hoặc trích xuất sai. Tuy nhiên, đất nông nghiệp gần các tuyến đường chính và khu vực đô thị bị lẫn lộn với đường sá. Một số thửa đất khá nhỏ và bị lẫn với đường nông trại và đường làng.

▲Hình 4. Quá trình thu hoạch lúa mì ở vùng núi Lintong.

Hình ảnh thể hiện kết quả trích xuất các thửa ruộng lúa mì ở vùng núi phía nam huyện Lintong bằng cùng một mô hình phân loại. Kết quả khá tốt, cho thấy phân đoạn ảnh có thể thu được thông tin kết cấu một cách hiệu quả và cho kết quả trích xuất tốt đối với các thửa ruộng lúa mì có địa hình và hình dạng khác nhau.

▲Hình 5 Bản đồ phân bố diện tích trồng lúa mì tại các tuyến phố khác nhau thuộc quận Lintong

Hình ảnh thể hiện sự phân bố diện tích trồng lúa mì trên các tuyến phố khác nhau của quận Lintong. Màu càng đậm, diện tích trồng lúa mì càng lớn.

Rõ ràng là hầu hết các cánh đồng lúa mì tập trung ở phía bắc Lintong, trong đó tiểu khu Xiangqiao có diện tích trồng lớn nhất với 66.602 mẫu. Khu vực phía nam là vùng núi, diện tích trồng lúa mì ở đó rất ít.

▲ Bảng 1. Thống kê diện tích trồng trọt tại các phường thuộc huyện Lintong

▲Hình 6 Bản đồ phân bố các thửa ruộng lúa mì tại các tiểu khu khác nhau của huyện Lintong

Hình ảnh thể hiện sự phân bố diện tích trồng lúa mì trên các tuyến phố khác nhau của quận Lintong. Màu càng đậm thì diện tích trồng lúa mì càng nhiều.

Rõ ràng là hầu hết các cánh đồng lúa mì tập trung ở phía bắc Lintong, với số lượng lớn nhất (1950) ở phường Xiangqiao. Khu vực phía nam là vùng núi, diện tích trồng lúa mì rất ít.

▲ Bảng 2: Bảng thống kê các thửa ruộng lúa mì tại mỗi tiểu khu của huyện Lintong

▲Hình 7. Phân bố các bất thường về sinh trưởng của lúa mì trong giai đoạn trổ bông tại các tiểu khu khác nhau của huyện Lintong.

Dựa trên việc trích xuất các thửa đất, sự khác biệt giữa tốc độ tăng trưởng hàng năm và tốc độ tăng trưởng trong những năm gần đây có thể được phân tích cho từng thửa đất trong một khoảng thời gian xác định.

Như hình minh họa, màu đỏ càng đậm thì năng suất càng kém so với năm năm trước; màu xanh càng đậm thì năng suất càng tốt so với năm năm trước.

Phân tích bất thường có thể phân tích hiệu suất của từng thửa đất mỗi năm, xác định các thửa đất có năng suất ổn định và tốt cũng như các thửa đất có biến động năng suất lớn và hiệu suất kém, từ đó giúp người quản lý lập kế hoạch trồng trọt quy mô lớn.