基于 Sentinel-2 30米数据的高分辨率全球灌溉预测
计算机视觉与模式识别
2021-04-05 v1 机器学习
摘要
准确而精确地了解全球灌溉使用情况对多种气候科学工作至关重要。灌溉是高度能源密集型的，并且随着人口以当前速度持续增长，作物需求与用水量的增加将对气候变化产生影响。精确的灌溉数据有助于监测用水量和优化农业产量，特别是在发展中国家。灌溉数据与降水数据相结合，可用于预测水量收支以及气候和天气建模。在我们的研究中，我们构建了一个灌溉预测模型，该模型将归一化植被指数（NDVI）时间特征的无监督聚类与降水启发式方法相结合，以标记给定年份中每个耕地聚类灌溉达到峰值的月份。我们开发了一个新颖的灌溉模型和 Python 软件包（"Irrigation30"），用于生成全球耕地 30米分辨率的灌溉预测。在一个小型众包耕地坐标与灌溉标签测试集上，使用最先进的由 NASA 资助的 GFSAD30 项目所用资源的一小部分（其灌溉数据仅限于印度和澳大利亚），我们的模型在一个小型地理多样性随机采样测试集中取得了超过 97% 的一致性分数和 92% 的准确率。
引用
@article{arxiv.2012.07658,
title = {High-resolution global irrigation prediction with Sentinel-2 30m data},
author = {Weixin and Wu and Sonal Thakkar and Will Hawkins and Hossein Vahabi and Alberto Todeschini},
journal= {arXiv preprint arXiv:2012.07658},
year = {2021}
}
备注
6 pages, 1 figure