An Index-Based Algorithm for Detecting Water Soil Erosion Indicators from Sentinel-2 Multispectral Data and Its Verification on Field Data of Rostov Oblast and Krasnodar Krai
V. A. Blagin · V. A. Beraia
开发基于Sentinel-2时序NDVI与BSI指数的水土流失指标检测算法，并在俄罗斯南部实地验证。
联合NDVI与BSI时序，用ΔBSI阈值（90百分位）检测裸土变化，合成与真实数
算法能稳定识别裸土暴露增加区域，但无法区分侵蚀与农事裸土，需DEM和多年度分析。
可融合DEM与多年度时序，构建区分侵蚀与农事裸土的分类模型，并接入神经网络参数识别。
提出基于NDVI与BSI时序的土壤水蚀指标遥感识别算法，并在俄罗斯南部两个试验区验证，方法有新意但属区域尺度研究，对国内农业遥感监测有参考价值。
引言。本文介绍了一种基于指数的算法开发与测试，该算法用于从Sentinel-2遥感数据中检测水蚀土壤侵蚀指标，被视为构建基于物理的质量输运混合模型并结合神经网络参数辨识的第一个实践阶段。材料与方法。该算法依赖于对归一化植被指数（NDVI）和裸土指数（BSI）时间序列的联合分析，随后进行空间变化检测（ΔBSI），并在第90百分位数处进行阈值滤波。该算法首先在合成数据上进行了验证，然后应用于两个测试点的真实Sentinel-2影像——罗斯托夫州卡缅斯基区和克拉斯诺达尔边疆区克里姆斯克区摩尔多瓦诺夫斯科耶村附近——覆盖2024年内的10个日期。结果。结果表明，该算法能够一致地识别出裸土暴露增加的空间局部区域。讨论。讨论了关键局限性——无法区分与侵蚀相关的裸土暴露和普通农技作业造成的裸土——以及解决该问题的方向（叠加数字高程模型、多年分析）。结论。开发并验证了一种基于指数的算法，用于从Sentinel-2多光谱时间序列中检测水蚀土壤侵蚀指标。在合成数据上的验证以及在俄罗斯南部两个真实测试区域的应用证实了其可操作性，同时表明在后续模型开发中有必要将与侵蚀相关的变化与农业裸土暴露区分开来。