题
目：
Estimating Crop Sowing and Harvesting Dates Using Satellite
Vegeta
tion Index: A Comparative Analysis
期刊：Remote Sensing
第一作者：Grazieli Rodigheri
发表单
位：
National Institute for Space Research (INPE)
发表日期：2023年
近年来，随着遥感数据的广泛应用，许多研究已经开发出了基于遥感数据估计
作物物候学的方法
。然而，对于不同的现象学指标提取方法在
大型区域和一个季节内种植多种作物
的情况下，其潜力的全面理解仍然缺乏。
拟解决的科学问题
研究旨在评估不同的物候学指标提取方法，特别是在大型区域和一个季节内种植
多种作物的情况下
，这些方法如何
准确地估计种植和收割日期
。这包括了解不同的现象学指标提取方法如何处理不同的输入源，以及如何在处理双作物种植的情况下表现。
创新点
研究的创新点在于，它提供了一个全面的比较分析，评估了
不同的物候学指标
提取方法在估计种植和收割日期方面的性能
。这项工作为理解不同方法在处理大型区域和多种作物种植的情况下的潜力提供了重要的见解。此外，研究还揭示了
双作物种植的挑战
，并强调了进一步研究和开发更强大的算法以应对这一挑战的必要性。
研究方法
研究使用了来自巴西中部地区超过
1500个田地的数据
，应用了
六种算法，包括CropPhenology、Digital Earth Australia工具包（DEA）、greenbrown、phenex、phenofit和TIMESAT
，来提取大豆作物的现象学。为了理解这些算法对不同输入源的准确性，研究使用了来自MODIS产品（MOD13Q1和MOD09Q1）和Sentinel-2卫星的NDVI和EVI2时间序列来估计每个田地的种植日期（SD）和收割日期（HD）。
Google Earth Engine平台上NDVI和EVI2时间序列提取过程的流程图
物候指标提取的三个阶段的流程图
研究结果
研究发现，
TIMESAT和phenex分别在估计种植日期（SD）和收割日期（HD）方面提供了最佳估计
，其中R值大于0.7，RMSE为16-17天。
DEA工具和greenbrown包
在使用不同数据源时显示出
更高的敏感性
。
最佳的播种日期（SD）估算结果是使用TM和MCD13数据源以及EVI指数获得的，RMSE为16天，R为0.8，偏差为10.4%。而最佳的收获日期（HD）估算结果是使用PX和S2数据源以及EVI指数获得的，RMSE为18天，R为0.75，偏差为-0.2%。这两个软件包的分布与田间数据分布相似。DT和GB显示出最差的结果，大多数相关性低于0.5，误差超过40天。与田间数据相比，CP和PF软件包的误差较低，但相关性较低；总体而言，R值在0.5到0.7之间。尽管一些结果显示与基于地面的数据更相似，但估算结果仍存在许多不确定性。
虽然更改数据来源会导致性能差异，但某些算法在更改平台时表现类似。总体而言，
EVI2显示出更好的结果
，并且对于所有软件包，与田间数据的相关性更高。播种日期的估算结果在使用CP和PF软件包以及MODIS和Sentinel-2数据集时与田间观测到的数据在统计上是相等的，以及使用PX软件包和MODIS数据集以及使用MOD13数据集的TM软件包。对于收获日期的估算，CP和PX软件包在使用MODIS和Sentinel-2数据集时与田间数据相似，以及使用MODIS数据时的PF软件包。由于EVI2显示出与NDVI类似甚至稍好的结果，因此仅使用EVI2进行后续评估。
不同地区的估算结果存在差异。总体而言，
北部地区的估算结果低于观测数据，南部地区的估算结果高于观测数据
。对于这两个估算结果，大多数软件包与田间观察结果一致，除了DT和GB软件包。
该研究区域的概览，显示用于验证的物候观测田地的位置以及总大豆种植面积（a）。通常，巴拉那州（PR）、圣保罗州（SP）、戈亚斯州（GO）和米纳斯吉拉斯州（MG）研究区的大豆种植历和季节长度（LOS）在120至160天之间变化（b）
小提琴图比较不同软件包（CP：CropPhenology，DT：DEA工具，GB：greenbrown，PF：phenofit，PX：phenex，TM：TIMESAT）使用不同数据源（MODIS：MCD13，MOD09，MOD13和Sentinel-2（S2））估计的播种（SD）和收获（HD）日期与田间观测数据（FD）的差异
田间观测数据与不同数据集和软件包测试的播种（a-f）和收获（g-l）估算之间的离散程度。CropPhenology（a，g），DEA工具（b，h），greenbrown（c，i），phenofit（d，j），phenex（e，k）和TIMESAT（f，l）。黑色线表示1:1线
观测和TIMESAT估算的播种日期之间的差异的空间模式（a），以及观测和phenex估算的收获日期之间的差异的空间模式（b），单位为天。这些图考虑了MCD13Q1 EVI2数据源的估算。均方根误差（RMSE）以天为单位
田间数据与播种（a，c）和收获（b，d）估算之间的差异分布，使用不同的数据源，EVI指数和TM（a，b）和GB（c，d）软件包。FD_MC13：田间数据与MCD13之间的差异；FD_MD09：田间数据与MOD09之间的差异；FD_MD13：田间数据与MOD13之间的差异；FD_S2：田间数据与Sentinel-2之间的差异。虚线表示每个分布的峰值
对于不同数量的季节，观测田间数据与播种（a）和收获（b）估算之间的离散程度。仅使用TM软件包和MCD13数据源，因为它们显示出最佳拟合。黑色线表示1:1线
讨论
TIMESAT和phenex分别呈现了对播种和收获日期的现象学指标最准确的估算。TIMESAT对空间、时间、光谱和辐射变化的敏感性较低，而其他方法对数据输入的变化敏感。总体而言，在经过二十年的发展之后，从卫星植被指数中提取的播种和收获日期的错误在10到20天之间。因此，它的适用性对于精确和局部决策受到限制；而可以应对这些误差的区域性评估则更适合使用这些方法而不是调查。使用不同算法和数据源进行更多研究可以帮助提高估算的准确性。尽管存在限制和不确定性，但本研究为未来的研究提供了基础，可以引领到迄今为止已开发的新方法和改进算法。
Rodigheri G ,Sanches D I ,Richetti J , et al.Estimating Crop Sowing and Harvesting Dates Using Satellite Vegetation Index: A Comparative Analysis[J].Remote Sensing,2023,15(22):
