Analysis of crop residue cover in the North China Plain based on multispectral remote sensing and machine learning
Jibo Yue · Ranran Yang · Yinghao Lin 等 6 人
提出基于线性光谱混合分析和随机森林的作物残茬覆盖度遥感估算方法，应用于华北平原。
随机森林模拟窄带SINDRI，结合NDVI构建三角特征空间，线性光谱混合分析估算
方法有效缓解水分干扰，fNPV估算R²=0.84，RMSE=0.10，多源影像时间一致性高。
可探索将方法扩展至其他作物类型或区域，或结合高光谱影像提高精度，并研究残茬覆盖度与土壤碳动态的关系。
提出基于随机森林与线性光谱混合分析的秸秆覆盖度估算新方法，在华北平原多源遥感数据上验证有效，对保护性耕作监测有方法论参考价值。
作物残茬覆盖度（CRC）是评估保护性耕作措施、减缓土壤侵蚀以及构建全球碳循环监测模型的关键参数。传统光学遥感指数方法受土壤和作物残茬含水量变化及新生后茬作物干扰的影响显著，导致CRC估算精度低、稳定性差。由于后茬作物的存在，基于线性光谱混合分析提取的非光合植被覆盖度（fNPV）通常低于田间实际CRC值。本研究提出了一种基于线性光谱混合分析的CRC估算新方法。该方法流程主要包括三个部分：（1）利用随机森林回归模型模拟对水分敏感性较低的窄带SINDRI指数，进而构建作物残茬随机森林（CRRF）指数，该指数可由宽带多光谱反射率计算得到；（2）结合CRRF与NDVI指数构建二维三角特征空间，通过线性光谱混合分析同时估算田间fNPV、光合植被覆盖度（fPV）和裸土覆盖度（fBS）；（3）利用公式CRC = fNPV / (1 − fPV)反演播种期真实CRC值。该方法利用多时相Sentinel-2 MSI和MODIS影像进行了验证及区域应用。结果表明：（1）该方法能有效削弱水分干扰，实现高精度fNPV估算（R² = 0.84，RMSE = 0.10）；（2）Sentinel-2与MODIS传感器的联合应用可实现华北平原CRC的稳定估算及时空动态分析，且间隔约16天获取的影像间具有较高时间一致性（绝大多数农业像元的绝对差异在±0.15以内）。该方法为复杂农业环境下CRC覆盖度的遥感监测提供了高效、稳健的技术方案，也为保护性耕作措施评估提供了有价值的方法参考。