2021年以來，國(guó)家統(tǒng)計(jì)局江蘇調(diào)查總隊(duì)探索通過多源遙感數(shù)據(jù)提高農(nóng)作物識(shí)別精度，并取得了一些成效。

遙感技術(shù)具有快速、客觀、探測(cè)面積大等特點(diǎn)，為及時(shí)準(zhǔn)確識(shí)別農(nóng)作物提供了重要技術(shù)支撐。但由于衛(wèi)星重訪周期、云霧干擾等因素影響，單一遙感數(shù)據(jù)源難以獲取較高時(shí)間序列影像數(shù)據(jù)，需要通過多組遙感衛(wèi)星獲得多源遙感數(shù)據(jù)，構(gòu)建高時(shí)間序列、高空間分辨率的遙感影像數(shù)據(jù)集，提高農(nóng)作物種類識(shí)別精度。對(duì)此，江蘇總隊(duì)進(jìn)行了探索。

建立模型

目前農(nóng)作物面積空間分布測(cè)量(簡(jiǎn)稱“空分”)是基于時(shí)間序列的農(nóng)作物遙感識(shí)別，輸入的時(shí)間序列一般是人工預(yù)處理的密集時(shí)間序列，且通常需要專業(yè)人員憑借經(jīng)驗(yàn)對(duì)輸入特征進(jìn)行構(gòu)建，這帶來了較高的數(shù)據(jù)預(yù)處理成本和不穩(wěn)定的人為誤差。

為降低數(shù)據(jù)處理成本和人為誤差，江蘇總隊(duì)通過實(shí)驗(yàn)研究，構(gòu)建了一種基于UNet模型和多源遙感數(shù)據(jù)的稀疏時(shí)間序列冬小麥提取框架，利用歷史存檔的冬小麥識(shí)別結(jié)果作為訓(xùn)練標(biāo)簽數(shù)據(jù)進(jìn)行模型訓(xùn)練，使用遙感衛(wèi)星數(shù)據(jù)開展冬小麥種植范圍提取工作。

UNet是一個(gè)語(yǔ)義分割模型。其主要執(zhí)行過程與其它語(yǔ)義分割模型類似，首先利用卷積進(jìn)行下采樣，然后提取出一層又一層的特征;利用這一層又一層的特征，再進(jìn)行上采樣;最后得出一個(gè)每個(gè)像素點(diǎn)對(duì)應(yīng)其種類的圖像。

江蘇總隊(duì)使用卷積壓縮、擴(kuò)展編碼、解碼結(jié)構(gòu)和跳級(jí)連接，構(gòu)建UNet模型，對(duì)2020年11個(gè)縣冬小麥1月和4月兩期空分?jǐn)?shù)據(jù)進(jìn)行學(xué)習(xí)，經(jīng)過100次不同參數(shù)的UNet模型訓(xùn)練，選擇驗(yàn)證精度最優(yōu)模型為最終運(yùn)用模型。

三個(gè)優(yōu)勢(shì)

一是最終結(jié)果精度更優(yōu)。江蘇總隊(duì)借助2020年野外調(diào)查所得的200米樣方結(jié)果對(duì)當(dāng)年11個(gè)縣冬小麥UNet識(shí)別結(jié)果和傳統(tǒng)空分結(jié)果進(jìn)行精度檢驗(yàn)，總體精度分別為88.65%、86.96%，UNet數(shù)據(jù)精度優(yōu)于傳統(tǒng)空分，考慮到UNet數(shù)據(jù)并未通過耕地邊界數(shù)據(jù)進(jìn)行預(yù)處理操作，說明其識(shí)別精度明顯較高。

二是可直接跨年使用。江蘇總隊(duì)用2020年數(shù)據(jù)集建立的UNet模型無需任何調(diào)整，可直接用于對(duì)2021年測(cè)試數(shù)據(jù)集進(jìn)行識(shí)別，而傳統(tǒng)空分需要每年重新投入大量人力。在后續(xù)對(duì)2021年6個(gè)縣冬小麥的UNet識(shí)別、傳統(tǒng)空分測(cè)量結(jié)果精度分別為85.79%、84.09%，UNet精度仍高于傳統(tǒng)空分。

三是時(shí)間效率量級(jí)提升。江蘇總隊(duì)通過對(duì)2021年6個(gè)縣的冬小麥進(jìn)行UNet模型識(shí)別耗時(shí)測(cè)算，其中耗時(shí)最長(zhǎng)為8.47秒，最短為3.37秒，平均耗時(shí)為6.52秒。與傳統(tǒng)空分一個(gè)縣一般投入3-4人花費(fèi)一天才能夠完成相比較，UNet模型提升了時(shí)間效率，減少了人工誤差，節(jié)約了人力成本。(記者 金茂恩)