基于卫星的国家规模小holder 农田目录
计算机视觉与模式识别
2025-07-15 v1 机器学习
摘要
为提高小holder 农业可持续性,制定科学政策的设计受到了小holder 农业基本系统属性(如活跃农地的空间分布和田块大小)有限理解的挑战。我们整合了极高空间分辨率(1.5 米)的地球观测数据和深度迁移学习,推导复杂农业系统中农田边界,在保持最低参考数据要求的同时提升可迁移性。我们提供了覆盖约 80 万平方公里、2023 年的莫桑比克全国 2100 万个农田的首个数据集。我们的图谱将活跃农地与非农用地区分开,整体准确率达 93%,遗漏与 commission 错误均衡。田块级别的空间一致性达到中位数交并比(IoU)得分 0.81,推动了复杂小holder 系统中大范围田块划分的前沿水平。活跃农地图谱捕获了农业前沿地区的碎片化农村区域,这些区域在全球土地覆盖或农地图中尚未被识别。这些区域大多位于拥有 7-9% 莫桑比克人口的农业前沿地区。莫桑比克的田块大小总体较小,其中一半小于 0.16 公顷,83% 小于 0.5 公顷。在聚合空间分辨率(0.05°)下的平均田块大小为 0.32 公顷,但在可达性、人口密度和净森林覆盖变化的梯度中存在显著差异。这种差异反映了从半亚历克小holder 农场到中等规模商业农场,再到大规模农业作业的多样化主体。我们的结果表明,田块大小是关联至农业(如粮食生产、生计、森林砍伐、生物多样性)及其权衡的关键指标。
关键词
引用
@article{arxiv.2507.10499,
title = {National level satellite-based crop field inventories in smallholder landscapes},
author = {Philippe Rufin and Pauline Lucie Hammer and Leon-Friedrich Thomas and Sá Nogueira Lisboa and Natasha Ribeiro and Almeida Sitoe and Patrick Hostert and Patrick Meyfroidt},
journal= {arXiv preprint arXiv:2507.10499},
year = {2025}
}