基于Sentinel的时间序列田块尺度LAI重建与冬小麦估产

作者：周西嘉; 张悦; 王鹏新^*; 张树誉; 李红梅; 田惠仁

来源：农业机械学报, 2022, 53(08): 173-185.

• 冬小麦
• 估产
• 叶面积指数
• 时空数据融合
• 田块尺度
• 时间序列重建

为了进行田块尺度的冬小麦单产估测，以陕西省关中平原为研究区域，基于Sentinel-1、Sentinel-2和Sentinel-3卫星数据反演叶面积指数(LAI),并利用增强的深度卷积神经网络融合模型(EDCSTFN)和增强的时空自适应反射率融合模型(ESTARFM)对Sentinel-1、Sentinel-2和Sentinel-3 LAI进行时空融合，进而重建尺度12 d的空间分辨率20 m LAI并用于冬小麦单产估测。结果表明，基于Sentinel-1后向散射系数和相干性能够准确地反演关中平原冬小麦种植区的20 m空间分辨率LAI,决定系数(R2)在冬小麦主要生育期可达0.70以上；相比于基于Sentinel-2和Sentinel-3的ESTARFM模型和EDCSTFN模型(EDCSTFN＿S3),基于Sentinel-1和Sentinel-2的EDCSTFN模型(EDCSTFN＿S1)可以明显提高距离参考影像获取日期较远的日期的LAI时空融合精度，ESTARFM、EDCSTFN＿S3和EDCSTFN＿S1 3个模型在5月下旬的融合结果对应的R2分别为0.53、0.71和0.76;基于时空融合LAI的冬小麦估产结果与冬小麦单产数据具有良好的相关性(R2=0.52,P<0.01),估产结果的均方根误差为358.25 kg/hm2,归一化均方根误差为19%,平均相对误差为7.34%,并显示了丰富的田块尺度冬小麦单产分布细节特征，展现了进行田块尺度冬小麦精确估产的潜力。

• 单位
  陕西省气象局; 中国农业大学; 国家卫星气象中心