## 中文标题 利用多时相Sentinel-2近红外–短波红外特征识别桃园:以中国连云港市赣榆区为例

《Forests》:Peach Orchard Identification Using Multi-Temporal Sentinel-2 NIR–SWIR Features: A Case Study of Ganyu District, Lianyungang, China

【字体: 大 中 小 】 时间:2026年08月28日 来源:Forests 3.1

编辑推荐:

  在复杂的农林复合景观中,树种间冠层结构和光谱响应的相似性制约了中分辨率桃园识别。研究人员利用2023年江苏省连云港市赣榆区的多时相Sentinel-2影像,评估了近红外–短波红外(NIR–SWIR)特征、植被指数和物候参数在桃园、杨树、松树和柳树分类中的作用。

  
在复杂的农林复合景观中,树种间冠层结构和光谱响应的相似性制约了中分辨率桃园识别。研究人员利用2023年江苏省连云港市赣榆区的多时相Sentinel-2影像,评估了近红外–短波红外(NIR–SWIR)特征、植被指数和物候参数在桃园、杨树、松树和柳树分类中的作用。首先,通过光谱曲线、杰弗里斯–马图西塔(Jeffries–Matusita, JM)距离和自助法(bootstrap)置信区间比较了落叶期、早春期和展叶期的可分离性。随后,利用谐波分析时间序列(Harmonic Analysis of Time Series, HANTS)重建时间序列,并从中提取生长季开始(Start of Season, SOS)和生长季结束(End of Season, EOS);将多时相波段、水分胁迫指数(Moisture Stress Index, MSI)、归一化差异植被指数(Normalized Difference Vegetation Index, NDVI)、增强型植被指数(Enhanced Vegetation Index, EVI)和归一化差异红边指数(Normalized Difference Red Edge, NDRE)用于随机森林(Random Forest)分类方案。此外,通过McNemar检验、重复随机分割和置换特征重要性评估了差异、稳定性和特征贡献;并将2023年模型迁移至2025年影像。结果表明分类性能具有物候依赖性,落叶期和早春期的性能优于展叶期。MSI和归一化差异红外指数(Normalized Difference Infrared Index, NDII)表现出相似的可分离性和性能,表明其效果来自共享的B8和B11信息而非指数公式本身。最优方案的总体精度(Overall Accuracy, OA)= 94.545%,Kappa系数 = 0.924,桃园生产者精度(Producer's Accuracy, PA)= 97.619%,用户精度(User's Accuracy, UA)= 91.111%。十次分割的OA = 92.83% ± 2.08%,桃园F1分数 = 94.34% ± 2.27%。在固定验证点位上,跨年迁移的OA = 90.184%,Kappa系数 = 0.863,表明在林地与园地掩膜内具有一定的时间迁移潜力。
**研究背景与意义**

连云港沿海地区农田、森林与果园交错分布,农田防护林是区域生态系统的重要组成部分。赣榆区呈现典型的农林复合景观特征,桃园作为当地重要的经济林类型,常与杨树、柳树等防护林树种相邻分布。快速准确地绘制其空间分布对果园资源调查和农业生产管理具有重要意义。然而,不同植被类型在冠层结构和季节光谱响应上存在一定相似性,尤其在农林地块交错、防护林带狭窄、背景复杂的条件下,桃树与其他树种之间极易发生光谱混淆。因此,充分利用树种间年内物候差异,识别具有高区分度的关键观测阶段,是提高桃园遥感识别精度的重要途径。

基于上述问题,研究人员以桃树潜在开花过程对应的早春观测窗口为主要切入点,利用2023年多时相Sentinel-2遥感影像对桃树及其共存树种(杨树、松树、柳树)进行分类。通过比较不同物候阶段和不同维度光谱特征的类别可分性,分析原始光谱波段、植被指数和物候参数对分类性能的影响,并结合统计检验、特征重要性分析和跨年验证评估模型稳定性与年际时间迁移能力。该研究旨在阐明桃树早春物候转变期NIR–SWIR响应在桃园识别中的实际作用,分析其与其他关键物候期及年物候信息的互补关系,为复杂农林复合景观中桃园的遥感识别提供科学依据。该论文发表于《Forests》期刊。

**关键技术与方法**

研究区位于江苏省连云港市赣榆区。数据源为GEE平台获取的2023年和2025年Sentinel-2 Level-2A地表反射率影像,辅助数据包括第三次全国国土调查数据和江苏省林业调查数据。共获得466个有效样本多边形(桃140个、杨树143个、松树93个、柳树90个),按6:4比例分层随机分为训练集和验证集。主要方法包括:光谱曲线与JM距离可分性分析、bootstrap置信区间不确定性评估、HANTS时间序列重建及SOS/EOS物候参数提取、多时相特征随机森林分类、McNemar显著性检验、重复随机分割稳定性分析、置换特征重要性评估以及跨年迁移验证。

**研究结果**

*单时相分类结果*

通过对落叶期(1–2月)、早春期(3月中旬至4月上旬)和展叶期(8–9月)三个时相窗口分别进行Scheme 1–6分类实验,发现不同物候阶段和特征组合的分类性能差异显著。总体而言,落叶期分类性能最高,早春期次之,展叶期相对较低。在B2–B7基础光谱特征上加入B8和B11后(Scheme 2),三个时相的OA分别提升4.733、5.325和10.059个百分点,表明NIR和SWIR原始波段可有效改善单时相分类性能。在加入B8和B11的基础上进一步添加MSI或NDII(Scheme 5和6),各时相精度均获得进一步提升,但McNemar检验显示Scheme 5与Scheme 6之间差异均不显著。

*多时相融合分类结果*

基于单时相实验结果,选取落叶期和早春期进行多时相特征融合。Scheme 1的OA为84.357%;加入B8和B11后Scheme 2的OA提升至89.944%;在保留B8和B11的基础上加入MSI后,Scheme 5的OA提升至91.061%;进一步加入NDVI、EVI和NDRE后,Scheme 7的OA达到92.145%;最终加入SOS和EOS后,Scheme 8取得最高精度,OA = 94.545%,Kappa = 0.924,桃树PA = 97.619%,UA = 91.111%。混淆矩阵分析显示,桃树主要与杨树和柳树发生少量混淆,柳树的PA仅为78.261%,是主要误差来源。

*模型稳定性与特征贡献*

对代表性方案进行10次重复多边形级分层随机分割,结果显示Scheme 8的平均OA为92.83% ± 2.08%,桃树F1分数为94.34% ± 2.27%,表明综合特征方案不仅提高了桃树的平均识别精度,还降低了对训练-验证样本分割变化的敏感性。置换特征重要性分析显示,EOS的置换重要性最高(OA平均下降3.06个百分点),早春B11、MSI、SOS和早春B8也具有较高重要性,表明模型同时依赖年物候节律和关键期NIR–SWIR信息。

*跨年迁移评估*

将2023年训练的Scheme 8模型直接应用于2025年影像,OA = 90.184%,Kappa = 0.863,桃树PA = 91.489%,UA = 87.755%。空间分布结果与2023年总体相似,表明该特征系统具有一定跨年时间迁移潜力。

**讨论总结与研究结论**

讨论部分指出:树种间光谱差异呈明显物候阶段依赖性,落叶期和早春期NIR–SWIR相对响应提供了补充判别信息;MSI和NDII均为B8和B11的确定性单调变换形式,其分类效果源于共享波段信息而非特定指数公式;最优分类性能来自关键期光谱信息与年物候特征的信息互补。研究局限性包括:分类域限于林地与园地掩膜内、B11原始空间分辨率为20 m(重采样不增加实际空间信息)、验证样本非概率抽样设计、早春观测窗口与真实花期不完全同步等。

研究结论为:(1) 树种间光谱可分性呈明显物候阶段依赖性,落叶期和早春期单时相分类性能总体高于展叶期;MSI和NDII可表征落叶期和早春期具有分类价值的NIR–SWIR相对响应,但二者效应主要源于共享的B8和B11信息而非特定指数形式。(2) 落叶期和早春期互补性良好,双时相条件下加入B8和B11使OA从84.357%提升至89.944%;进一步整合MSI、NDVI、EVI、NDRE、SOS和EOS后,最优方案Scheme 8的OA = 94.545%,Kappa = 0.924,桃树PA和UA分别为97.619%和91.111%;重复随机分割下平均OA = 92.83% ± 2.08%,桃树F1分数 = 94.34% ± 2.27%。(3) 2023年训练的模型直接迁移至2025年,OA和Kappa分别为90.184%和0.863,表明所构建的特征系统具有一定跨年时间迁移能力。总体而言,将落叶期和早春期Sentinel-2 NIR–SWIR特征与植被指数和物候参数相结合,可为复杂农林复合镶嵌景观中桃树及主要伴生树种的高精度分类提供有效信息,但当前方法适用性仅限于研究区林地与园地掩膜内的四种树种分类,进一步推广需使用独立区域和额外年份独立采集的样本进行验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号