|
近日，中国农业科学院农业资源与农业区划研究所智慧农业创新团队提出了一种考虑土壤类型的作物秸秆覆盖率估算框架，结合无人机影像与哨兵-2卫星数据，实现区域尺度的高精度估算。相关成果发表在国际期刊《土壤与耕作研究》上。
作物秸秆覆盖率是评估农田碳循环、耕作方式以及农业可持续管理的重要指标。然而，在大范围区域内准确监测秸秆覆盖率仍面临挑战。传统地面调查不仅耗时耗力，而且难以与卫星遥感像元尺度相匹配，不同土壤类型会影响秸秆的光谱特征，这一因素在以往研究中关注不足。
该研究提出了一种依托无人机影像的采样方法，通过在研究区均匀获取多块影像数据，进而构建覆盖六种主要土壤类型的秸秆覆盖率样本集，有效解决地面观测与卫星遥感的尺度差异问题。通过无人机与卫星遥感的协同应用，兼顾高精度与大范围优势，显著提升监测效率与精度。针对不同土壤类型筛选关键特征并构建特定模型，整体精度优于传统通用模型。独立样本验证表明，该方法显著提升了区域尺度监测精度，实现低成本高精度应用，为农田碳循环评估与可持续农业管理提供新路径。
近日，中国农业科学院农业资源与农业区划研究所智慧农业创新团队提出了一种考虑土壤类型的作物秸秆覆盖率估算框架，结合无人机影像与哨兵-2卫星数据，实现区域尺度的高精度估算。相关成果发表在国际期刊《土壤与耕作研究》上。
作物秸秆覆盖率是评估农田碳循环、耕作方式以及农业可持续管理的重要指标。然而，在大范围区域内准确监测秸秆覆盖率仍面临挑战。传统地面调查不仅耗时耗力，而且难以与卫星遥感像元尺度相匹配，不同土壤类型会影响秸秆的光谱特征，这一因素在以往研究中关注不足。
该研究提出了一种依托无人机影像的采样方法，通过在研究区均匀获取多块影像数据，进而构建覆盖六种主要土壤类型的秸秆覆盖率样本集，有效解决地面观测与卫星遥感的尺度差异问题。通过无人机与卫星遥感的协同应用，兼顾高精度与大范围优势，显著提升监测效率与精度。针对不同土壤类型筛选关键特征并构建特定模型，整体精度优于传统通用模型。独立样本验证表明，该方法显著提升了区域尺度监测精度，实现低成本高精度应用，为农田碳循环评估与可持续农业管理提供新路径。
| 
