Reproducible Spectral-Spatial Vegetation Stratification from a Single Jilin-1 Scene under Controlled Validation

方法

Brovey预处理、NDVI/GNDVI聚类伪标签、U-Net与逻辑回归对比。

发现

仅用原始波段即可高精度复现伪标签，深度网络并非必需。

机会点

可延伸至多农场多时相、带地面实测的植被状况验证研究。

甚高分辨率（VHR）卫星影像或可支持单株棕榈树勾绘及基于野外校准的植被状况评估，但此类项目需要昂贵的多农场影像、单株级标注和野外实测数据。本研究旨在探究2024年10月6日获取的单景吉林一号影像是否包含足够可重复的光谱-空间结构，从而为上述投入提供依据。该景影像仅作为技术测试平台，因为其中棕榈树的存在尚未经核实。探索性第一阶段流程（Brovey预处理、四个光谱指数、三簇MiniBatch K-Means伪标签及U-Net）与其自身标签达到0.9806的一致性，但特征冗余、全场景聚类、聚类特征与模型输入之间的重叠以及验证数据的重复使用限制了结果解读。受控的第二阶段剔除了一个完全重复特征（绿-近红外归一化对比度）和一个代数重复特征（比值植被指数），基于NDVI和GNDVI进行聚类，并从五种子分析中选取两个簇（轮廓系数0.59472；成对调整兰德指数0.99034）。训练、验证和留出测试区域由隔离斑块分隔，标准化器和聚类模型仅在训练数据上拟合。在留出区域中，仅使用波段的逻辑回归以0.99401的一致性再现了双层参考结果，而仅使用波段的U-Net在三个种子上的结果为0.99192 ± 0.00153。U-Net在一致性上未超过逻辑回归，尽管其宏F1和平均交并比的点估计更高。向U-Net提供NDVI和GNDVI改善了所有指标，这为目标特征重叠提供了直接证据。因此，该景影像包含强烈的、可重复的、场景相对的光谱结构，原始波段可在地理上分离的区域恢复该结构，且高伪标签再现并不需要深度网络。由于Brovey融合降低了降分辨率辐射保真度，上述结果以该预处理选择为条件。这些分层并非水分、胁迫、病害或棕榈状况的已验证指标，仍需开展带有棕榈标注和野外实测的多农场、多日期研究。