Horticulture acreage estimation: remote sensing vis-a-vis sample surveys
Tauqueer Ahmad · Prachi Misra Sahoo · A.K. Biswas 等 5 人
对比卫星遥感与入户调查的园艺作物面积估算，评估分类算法精度与面积一致性。
用Resourcesat-2 LISS-IV和Sentinel-2影像，比较ML
遥感对连片大果园估算可靠（R²约0.94），但普遍低估面积，洋葱低估达26%。
可研究碎片化小农户地块的遥感面积校正方法，结合抽样验证提升园艺作物统计精度。
该研究以多光谱遥感与入户调查对比估算印度园艺作物面积，方法扎实、数据具体，对农业遥感统计具有参考价值，但属区域性案例，影响力有限。
及时且具有空间明确性的园艺作物种植面积估算，是支撑农业统计、资源分配和生产规划的必要条件。本研究评估了卫星遥感估算面积与印度埃罗德、奇图尔和纳西克地区部分村庄逐户调查数据之间的一致性。对来自Resourcesat-2 LISS-IV和Sentinel-2的多光谱影像进行了辐射校正和几何校正、波段叠加、镶嵌以及基于归一化植被指数（NDVI）的植被掩膜处理。评估了最大似然分类（MLC）、光谱角制图（SAM）和支持向量机（SVM）算法在香蕉、木薯、芒果和洋葱制图中的应用效果。不同作物的分类性能存在差异。MLC对香蕉和芒果的总体精度分别为84.83%和76.81%，Kappa系数分别为0.767和0.917。SAM对木薯的总体精度为78.70%，Kappa系数为0.797；而SVM对洋葱的表现最佳，总体精度为76.41%，Kappa系数为0.713。卫星估算面积与调查估算值在香蕉（R²=0.94）、木薯（R²=0.93）和芒果（R²=0.94）上呈强相关。与调查估算值相比，遥感分别低估了香蕉、木薯、芒果和洋葱的总面积，低估幅度为9.04%、5.35%、5.88%和26.08%。结果表明，分类性能取决于作物结构、田块大小、空间破碎化程度和分类器选择。对于相对较大且连片的果园，卫星影像提供的估算值比小而破碎的农田更为可靠。因此，将基于卫星的制图与有针对性的实地验证相结合，可为业务化园艺种植面积估算提供一个可扩展且具有空间明确性的框架。