基于模糊聚类的棉花生育期内物候估算
机器学习
2022-12-01 v3
摘要
作物物候是作物产量估算与农业管理的关键信息。传统上,物候由地面观测获取;然而地球观测、气象与土壤数据已被用于刻画作物的生理生长。本文提出一种在生育期内于地块尺度上估算棉花物候的新方法。为此,我们利用多种地球观测植被指数(源自 Sentinel-2)以及大气与土壤参数的数值模拟。我们的方法为无监督式,以应对真实场景中普遍存在的地面真值数据稀疏匮乏问题,该问题使大多数有监督替代方案难以实用。我们应用模糊 c-均值聚类识别棉花的主要物候阶段,随后利用聚类隶属度权重进一步预测相邻阶段间的过渡期。为评估模型,我们在希腊 Orchomenos 收集了 1,285 条作物生长地面观测。我们引入了一种新的采集协议,为地块分配至多两个物候标签以表示主要和次要生长阶段,从而指示阶段转换时机。我们的模型与一个基线模型对比测试,以分离随机一致性并评估其真实能力。结果表明,考虑到该方法的无监督性质,我们的模型大幅优于基线模型,前景可期。局限性与相关未来工作被深入讨论。地面观测被整理为即用型数据集,并将在发表后发布于 https://github.com/Agri-Hub/cotton-phenology-dataset。
引用
@article{arxiv.2211.14099,
title = {Fuzzy clustering for the within-season estimation of cotton phenology},
author = {Vasileios Sitokonstantinou and Alkiviadis Koukos and Ilias Tsoumas and Nikolaos S. Bartsotas and Charalampos Kontoes and Vassilia Karathanassi},
journal= {arXiv preprint arXiv:2211.14099},
year = {2022}
}
备注
also contained in arXiv:2211.12584