报告详情
基于Sentinel-2时间序列数据和TWDTW算法的农作物类型预测研究
编号：3286
访问权限：仅限参会人
更新：2024-04-13 11:32:25 浏览：1303次
张贴报告
报告开始：2024年05月18日 08:05（Asia/Shanghai）
报告时间：1min
所在会场：[SP] 张贴报告专场 [sp7] 主题7、遥感与地理信息科学
暂无文件
摘要
及时、准确地获取农作物种植信息对于估算农作物产量至关重要，农作物早期预测有利于农业决策。目前高分辨率的农作物早期预测研究尚不多见，主要是因为高时空分辨率时间序列数据存在严重的数据缺失导致大多数分类器难以处理。针对此现象，本研究以奥地利Marchfeld农业区为研究区，提出了面向农作物早期预测的Sentinel-2植被指数（Vegetation Index，VI）时间序列重建方案，并基于TWDTW分类算法实现农作物的早期预测。结果表明：基于NDVI的分类精度高于LAI的分类精度，且大类作物的精度高于小类作物。在NDVI时间序列数据下，小麦在DOY111时就能得到准确识别，蔬菜的PA和UA分别在DOY241和DOY181时可达80%，但不够稳定，而其他农作物难以在收获之前正确识别。本研究表明TWDTW算法在物候特征差异较明显的农作物分类中更具有早期预测的潜力。
关键词
农作物早期识别；TWDTW算法；Sentinel-2；植被指数时间序列影像重建；
报告人
董子悦
硕士研究生 西北大学城市与环境学院稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论