Site-Specific Precision Cover Cropping for Soil Health and Environmental Sustainability Using Remote Sensing and Multi-Criteria Analysis
Ali Mirzakhani Nafchi · Salman Mirzaee
利用遥感与多准则分析为南达科他州田块制定精准覆盖作物混播方案。
Sentinel-2影像、LiDAR地形与土壤采样，结合多准则分析。
田块被划分为5个管理区，各推荐不同覆盖作物混播，显著改善土壤紧实度、残体C/N比和抑草效果。
可验证该决策支持地图的田间效果，并融合实时物联网数据优化动态推荐。
该研究将遥感与多准则分析结合用于精准覆盖作物制图，方法新颖、数据具体，对农业信息化与可持续农业有参考价值，但属单点田间案例，影响范围有限。
摘要 覆盖作物（cover crops）是指主要为了提升和保护土壤健康而种植的植物或植物混合体，是可持续农业的一项关键策略。传统上，覆盖作物通常在非主作物竞争的季节以均匀方式播种于田间。然而，精准农业的进步，尤其是遥感技术的整合，要求基于田块变异性制定更高效的播种策略。本研究旨在评估南达科他州奥罗拉县某田块的具体需求，并确定覆盖作物混合物的类型及最优组合。本研究考虑的覆盖作物种类包括豆科、禾本科和十字花科植物。遥感数据提取自Sentinel-2卫星影像。土壤样品采集深度为0至30 cm，并测定了土壤性质。此外，从激光雷达（LiDAR）数据中提取了坡度和坡向等地形图。精准覆盖作物分析结果表明，研究田块中分别有6.5%（7.8 ha）、20.6%（24.7 ha）、38.1%（45.7 ha）、29.6%（35.5 ha）和5.3%（6.3 ha）的面积应种植以下作物混合物：黑麦、萝卜和野豌豆；小黑麦、芜菁和野豌豆；小黑麦、萝卜和三叶草；小黑麦、油菜和豌豆；以及大麦、亚麻和三叶草。与对照相比，这些混合物通过降低紧实度、提高残体碳氮比和增强杂草抑制效果，显著改善了土壤性质。所得图谱应被解读为决策支持建议，而非经过充分验证的田间处方。