Optimization of Farmland Management Zoning in the Black Soil Region: A Climate Adaptability Assessment Considering Crop Growth Response and Topographic Characteristics(黑土区农田管理分区优化:考虑作物生长响应与地形特征的气候适应性评估)
评估黑土区多源遥感特征组合在干旱湿润场景下的农田管理分区气候适应性。
融合Sentinel-2多光谱、NDVI、PCA与DEM,用HSAN和K-mea
HSAN优于K-means,多期NDVI主导稳定性提升,DEM贡献有限,PCA增强稳定性。
可探索多期时序特征与深度聚类在极端气候下的跨区域迁移及分区决策落地。
黑土区精准农业管理分区研究,方法新颖、数据扎实,对农业遥感应用有参考价值。
吉林农业大学 Han Yongqi 等联合中科院东北地理与农业生态研究所、东北农业大学在《Remote Sensing》18(18): 3260 发表论文(2026-09-21 发表)。针对精准农业管理分区对单日期影像依赖难以捕捉年际作物环境变化问题,研究评估 29 个特征组合(融合 Sentinel-2 多光谱、PCA、NDVI 和 DEM 数据)在黑土区友谊农场干旱、湿润和融合场景下的气候适应性。实施异构空间注意力网络(HSAN)和 K-means 聚类,以变异系数(CV)评估稳定性与适应性。结果显示 HSAN 在多源融合下优于 K-means,CV 分别为 11.303-14.774% 与 14.823-16.011%;多期 NDVI 数据是主导因素,相对 CV 减少 34.850-53.701%;DEM 贡献有限;PCA 增强稳定性;多期融合在极端气候年份提升分区生态一致性与适用性。