An Efficient Parcel-Center Sampling Strategy for Parcel-Scale Crop Classification Using Multiresolution Remote Sensing
Zhihua Wang · Qin Yang
提出地块中心采样策略，用单像素或局部窗口构建地块级特征，大幅加速地块尺度作物分类。
以印尼Pringsewu为案例，融合Sentinel-2、Landsat-8、S
中心采样较全像素等策略提速5.2–17.1倍，精度基本相当，主要作物空间格局一致。
可探索中心采样在破碎地块、多时相与不同分辨率下的自适应窗口选择及精度-效率权衡机制。
提出地块中心采样策略，在破碎地块区大幅提速且精度基本持平，方法新颖、结论可靠，对农业遥感工程化有参考价值。
地块尺度作物分类是农业遥感和精准农业的基础。将详细的地块信息与中空间分辨率遥感数据相结合，已成为地块尺度作物分类的重要技术途径。对于中空间分辨率影像而言，地块边界与像元大小之间的不匹配使得地块—像元匹配策略成为构建地块级分类特征的关键步骤。现有的全像元策略、像元中心包含策略和面积加权策略通常需要识别与每个地块相关的像元、确定空间关系并进行统计聚合。当应用于多个获取日期下的数千个地块时，重复的空间叠加和多像元聚合可能成为地块级特征构建中的计算瓶颈。为解决这一问题，在假设地块内部特征具有足够一致性的前提下，采用与内部中心点相对应的单个像元或该点周围的局部窗口来构建地块级分类特征，从而减少参与空间匹配和特征聚合的像元数量。选取地块格局高度破碎的印度尼西亚楠榜省普林塞乌县作为案例研究区，集成Sentinel-2、Landsat-8、Sentinel-1和地形数据用于地块尺度作物分类。结果表明，在Sentinel-2和Landsat-8两种配置下，地块中心采样策略均大幅降低了地块级特征构建的成本。与三种多像元策略相比，在本研究的实验条件下，PCS在Sentinel-2下实现了约5.2至13.3倍的加速，在Landsat-8下实现了约7.3至17.1倍的加速。相对于全像元策略，总体精度（OA）在Sentinel-2配置下提高了0.55个百分点，在Landsat-8配置下降低了1.30个百分点。在不同地块尺度下，地块中心采样策略总体上保持了与传统多像元策略相似的分类性能，且主要作物的空间格局基本一致。因此，使用地块中心像元或局部窗口能够在保留足够分类信息的同时，大幅降低地块级特征构建的成本。该方法提供了一种简化的解决方案