Remote estimation of plastic distribution in California agriculture using Sentinel-2 imagery: a case study
Eva Scrivner · Dexter Hamilton · Daniel J. Sousa 等 6 人
利用Sentinel-2影像和实地光谱，分类并制图加州农业塑料覆盖分布。
Sentinel-2影像、实地光谱与决策树分类，结合高分辨率影像验证。
决策树分类精度达0.982，可无需先验知识反演塑料覆盖时空格局。
可扩展至全球地膜污染热点监测，并融合多源遥感提升复杂作物区塑料识别。
该研究利用Sentinel-2影像实现农膜分布遥感估算，方法新颖、精度高，对农业面源污染监测有参考价值，但属区域案例，影响范围有限。
全球农业塑料地膜的应用日益增加。尽管这些薄膜为作物生产带来了益处，但它们同时也是陆地和水生系统中塑料废弃物和污染的重要来源。目前全球地膜应用的规模及其有害影响尚不明确。当前对农业塑料使用量的估算仍受限于特定田块的种植模式和数据局限性。卫星光谱学可能为减少这种不确定性并在大时空尺度上模拟农业塑料使用提供一种手段，尽管作物冠层的时序变化和光谱多样的塑料目标使这一方法变得复杂。为推进对塑料农业（plasticulture）估算的改进，本研究利用Sentinel-2影像，对加利福尼亚州一个农业站点的大宗塑料使用进行了可解释的、基于光谱的分类。使用Spectra Vista Corporation HR-1024i光谱辐射仪在350–2500 nm范围内采集了土壤以及白色、绿色和黑色塑料地膜端元的原位反射率测量数据。结合野外观测和高空间分辨率NearMap影像（n = 416条光谱），采用分层抽样方法将数据分为60%训练集和40%测试集。在野外反射率数据、混合分析及Sentinel-2反射率影像的指导下，参数化了一棵经验决策树分类器，以从土壤和作物中分类暗色和亮色塑料残膜（精度 = 0.982，kappa系数 = 0.973，宏平均F1分数 = 0.967）。随后通过2023年4月至2025年1月期间覆盖加利福尼亚州圣玛丽亚的Sentinel-2影像时间序列，反演了模拟的农业塑料分布，阐明了塑料施用和作物冠层生长的模式，而无需事先了解田块种植和管理模式。这些结果令人鼓舞，表明光学遥感在模拟加利福尼亚州乃至其他类似覆膜农业生态系统的塑料使用模式和识别污染热点方面具有实用价值。