《Computers and Electronics in Agriculture》:Lightweight visual detection of cutting arcs on nonlinear annular banana crowns and reciprocating robotic de-handing system
编辑推荐:
本研究利用SDGSAT-1 GLI数据,结合多光谱分析和随机森林算法,首次生成10米分辨率的中国与越南四个产区的龙眼果夜间补光种植园分布图。结果显示,GLI RGB影像单日分类精度达85%,双时相影像提升至94%,且优于传统DMSP/OLS和SNPP-VIIRS数据,有效解决多云地区遥感监测难题。
作者:吴卓健、姜德生、尹贺、卢永全、钟宇琪、刘桂林
华南师范大学地理学院,中国广州510631
摘要
补充照明设施对于实现全年龙果生产至关重要,这种做法可以提高作物产量并增加当地农民的经济收益。追踪这些照明农田的空间分布模式为决策者提供了实施精确管理策略所需的数据。然而,传统的夜间光照遥感数据集(如DMSP/OLS、SNPP–VIIRS)由于空间分辨率较低和光谱限制,无法有效绘制龙果农田的地图。为了解决这一问题,本研究首次利用SDGSAT-1 Glimmer Imager(GLI)数据,结合均值位移分割(MSS)和随机森林(RF)分类技术,生成了中国和越南四个研究地点龙果农田的10米分辨率分布图。结果显示,仅使用单日期的GLI红绿蓝(RGB)图像就提供了足够的多光谱信息来识别龙果农田,平均用户准确率(UA)达到了85%。在光照季节,GLI的RGB波段对基于RF的龙果农田分类贡献最大(>0.72)。覆盖光照期和非光照期的双时相GLI RGB图像提高了准确率,平均UA提高了9%。此外,SDGSAT-1 GLI的全色波段结合MSS算法能够高精度地划定龙果农田边界,显著优于DMSP/OLS和SNPP–VIIRS图像。我们的结果表明,SDGSAT-1 GLI数据凭借其高空间分辨率和多光谱信息,有效克服了以往传感器的局限性,实现了对带有照明设施的龙果农田的精确绘图。
引言
龙果是一种全球知名的经济作物,因其营养价值和经济效益而受到重视,是推动农村经济增长的理想选择(Balaji等人,2025年;Mercado-Silva,2018年)。作为一种需光周期的作物,龙果的生产受到日照时间的限制,因此需要辅助的人工照明设施来提高产量(Chien等人,2024年)。为了克服这些光周期限制并实现全年生产和高产量,种植者越来越依赖设施农业技术。设施农业(也称为控制环境农业)通过控制环境因素(如光照和温度)来解决反季节种植和极端气候的问题(Engler和Krarti,2021年)。目前,设施农业正在全球范围内迅速发展(Tong等人,2024年),通过实现全年作物生产,特别是在农村地区,为减少贫困(可持续发展目标1)做出了贡献。与没有设施的同类农业用地相比,配备设施的农业用地通常具有更高质量的作物生产和更高的产量(Jensen和Malter,1995年)。在各种形式的设施农业中,开放式人工照明设施对于某些作物的高产量至关重要(Tonello等人,2025年)。这种对人工照明设施的依赖在龙果种植中尤为明显。龙果的开花和结果阶段受光照影响显著;在这些阶段,龙果通常需要每天超过12小时的光照(Kumari等人,2016年)。在自然环境中,由于这段时间白天短夜晚长,龙果的结果期从秋季末持续到次年早春。为了满足全年生产的需要,农民通常在夜间为龙果提供人工照明,从而获得可观的经济收益(Krauser等人,2022年)。因此,龙果的夜间补充人工照明通常从每年9月持续到次年4月(Krauser等人,2022年;Lin等人,2023年;Wen和Liu,2024年)。传统夜间光照(NTL)遥感数据(如SNPP-VIIRS数据)能够捕捉到这些农业照明设施(Wen和Liu,2024年)。因此,夜间人工照明可以为监测龙果的种植动态提供宝贵的信息。NTL遥感是一种经济高效且节省时间的方法,可用于准确监测夜间的人类活动(Levin等人,2020年;Zheng等人,2023年)。在农业领域,NTL遥感数据对于龙果农田的监测非常有效(Krauser等人,2022年;Wang等人,2020年;Wen和Liu,2024年)。传统的NTL遥感数据,包括国防气象卫星计划/操作线扫描系统(DMSP/OLS)和芬兰国家极轨合作伙伴可见红外成像辐射计套件(SNPP–VIIRS),已被广泛用于夜间人工照明的监测。尽管这些数据被广泛采用,但其空间分辨率超过500米,这限制了获取关于人工光源的详细信息(Shi等人,2023年)。尽管有研究使用SNPP–VIIRS夜间光照时间序列生成了龙果农田地图,但由于大多数龙果农田面积较小(通常为2公顷或更少),使用低空间分辨率的图像进行分类较为复杂(Zhang等人,2019年)。高空间分辨率的NTL遥感图像(如国际空间站(ISS)的Luojia 1–01、Landsat-8和Jilin1-03B(JL1-3B)获取的图像)提供了更详细的空间信息(Sánchez de Miguel等人,2021年;Guk和Levin,2020年;Levin和Phinn,2016年;Ou等人,2019年)。然而,这些NTL遥感数据的应用往往受到观测覆盖范围和频率的限制(Sánchez de Miguel等人,2021年;Li等人,2018b;Zheng等人,2018年;Wu等人,2024b)。因此,提高NTL遥感数据的空间分辨率、多光谱特性和适用性对于绘制龙果农田地图至关重要。可持续发展目标科学卫星1号(SDGSAT-1)是全球首颗专门用于实现可持续发展目标的卫星(Guo等人,2023年)。SDGSAT-1的Glimmer Imager(GLI)拥有4个波段(红绿蓝(RGB)和全色(PAN),空间分辨率分别为10米(PAN)和40米(红、绿、蓝波段)。高空间分辨率、多光谱且应用性强的SDGSAT-1 GLI数据可用于绘制小规模和空间分散的夜间人工光源(Li等人,2023年;Yu等人,2023年)。此外,SDGSAT-1 GLI数据已被证明在夜间人工照明分类中非常有用(Chen等人,2023年;Jia等人,2024年)。
SDGSAT-1 GLI数据可用于对象级分析,从而克服像素级分析的局限性。以往的研究使用粗糙的NTL遥感数据进行基于像素(Goldblatt等人,2018年)或基于对象(Xie和Weng,2016年)的夜间人工照明分类。同样,现有研究利用SNPP–VIIRS图像分析了多年间龙果照明设施的季节性开启/关闭模式,以及其影响龙果农田空间分布的因素(Krauser等人,2022年;Wang等人,2020年;Wen和Liu,2024年)。然而,由于载荷限制,传统的NTL遥感数据(主要来自DMSP/OLS和SNPP–VIIRS)仅提供单波段信息和低空间分辨率,无法准确绘制龙果农田边界。这些限制,加上遥感中的NTL光照模糊效应(Ou等人,2019年;Sun等人,2020年),阻碍了龙果农田边界的精确划定。SDGSAT-1 GLI数据的高空间分辨率和多光谱成像能力弥补了这些不足,特别是对于云层较多的热带和亚热带地区,有助于实现更精确的边界划定和龙果农田绘图。
因此,我们的目标是探索SDGSAT-1 GLI数据在绘制龙果农田方面的潜力,并将其与传统NTL遥感数据进行比较。具体来说,我们旨在(1)评估SDGSAT-1 GLI RGB数据的龙果农田分类性能;(2)评估SDGSAT-1 GLI PAN数据的分割性能;(3)将SDGSAT-1 GLI数据与传统NTL遥感数据(即DMSP/OLS和SNPP–VIIRS)进行比较,以评估各种数据类型的性能。
研究区域
中国和越南是全球最大的龙果生产国,合计占全球龙果产量的约90%。我们选择了中国的东方市、南宁市和湛江市以及越南的宾顺省作为研究区域(图1)。这四个研究区域云层覆盖频率较高,照明设施类型多样,龙果种植分布和农田规模各不相同。因此,可用的遥感数据有限……
方法
首先,根据我们在实地调查中收集的龙果农田样本确定了用于龙果农田绘制的NTL特征(图4)。其次,我们评估了其基于像素和基于对象的龙果农田绘图性能。第三,我们评估了SDGSAT-1 GLI数据在单日期和多时相绘图中的性能。最后,我们比较了SDGSAT-1 GLI数据与传统NTL遥感数据的农田分割能力。
通过单日期图像的像素/对象级分类结果
我们生成了基于像素的龙果农田和非龙果农田地图,准确率(OA)为99%(图6)。龙果农田的准确率(PA)为99%,表明龙果农田的遗漏错误较少。龙果农田的准确率范围为76%至95%(表2),平均值为85%。误分类是主要的错误类型。值得注意的是,龙果农田的误分类主要是由于与城市地区的人造表面混淆所致。
龙果农田绘图方法的可行性
我们探索了一种使用SDGSAT-1 GLI数据识别带有NTL设施的龙果农田的方法。我们在云层覆盖频繁、照明设施类型多样、龙果种植分布和农田规模各异的四个研究区域测试了该方法,证明了该方法在全球两大龙果生产国(中国和越南)中适用于龙果农田分类。
结论
本研究展示了SDGSAT-1 GL数据相较于传统NTL遥感数据在龙果农田绘图方面的优势。与DMSP/OLS和SNPP–VIIRS NTL遥感数据相比,SDGSAT-1 GL数据在使用单日期、双时相和基于对象的方法进行高精度、高分辨率龙果农田绘图时表现更优。这一能力在云层覆盖频繁的地区尤为宝贵。
作者贡献声明
吴卓健:撰写——原始稿件、可视化、验证、软件、方法论、调查、正式分析、数据管理。
姜德生:软件、正式分析、数据管理。
尹贺:数据管理。
卢永全:数据管理。
钟宇琪:数据管理。
刘桂林:撰写——审稿与编辑、撰写——原始稿件、监督、项目管理、方法论、资金获取、概念构思。
资助
本工作得到了国家自然科学基金(项目编号:42271346)和广东省基础与应用基础研究基金(项目编号:2023A1515010736)的支持。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。
致谢
我们感谢SDGSAT-1开放科学计划提供的SDGSAT-1数据。我们感谢科罗拉多矿业学院Payne公共政策研究所提供的每月合成的SNPP-VIIRS夜间光照数据。我们感谢DMSP项目办公室和NGDC/NOAA提供的DMSP/OLS夜间光照数据。我们感谢Google提供的Google Earth Pro。本研究结果是SDGSAT-1开放科学计划的一部分。