基于 Sentinel-2 和 PlanetScope 数据的果园除草管理方法图景
计算机视觉与模式识别
2025-12-01 v2 机器学习
摘要
有效的除草管理对于提高农业生产力至关重要，因为杂草会与作物争夺养分和水源等关键资源。准确的除草管理方法图景对政策制定者来说至为重要，他们需要评估农户实践、评估对植被健康、生物多样性和气候的影响，以及确保政策和补贴的合规性。然而，监测除草管理方法具有挑战，因为它们通常依赖地面田野调查，这些调查往往成本高昂、耗时且存在延迟。为此，我们利用地球观测数据和机器学习 (ML)。具体而言，我们分别开发了针对 Sentinel-2 和 PlanetScope 卫星时序数据的独立 ML 模型，用于对果园中的四种 distinct 除草管理方法（割草、耕耘、化学喷洒和无实践）进行分类。研究结果表明，基于机器学习的遥感技术有潜力提高果园除草管理图景的效率和准确性。
关键词
引用
@article{arxiv.2504.19991,
title = {Mapping of Weed Management Methods in Orchards using Sentinel-2 and PlanetScope Data},
author = {Ioannis Kontogiorgakis and Iason Tsardanidis and Dimitrios Bormpoudakis and Ilias Tsoumas and Dimitra A. Loka and Christos Noulas and Alexandros Tsitouras and Charalampos Kontoes},
journal= {arXiv preprint arXiv:2504.19991},
year = {2025}
}
备注
Accepted for 2025 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2025)