摘要：
大豆是中国重要的粮食作物和经济作物，及时掌握其空间分布对于粮食安全至关重要。然而，传统的调查方法耗时长且覆盖范围有限。相比之下，卫星遥感能够实现大规模、连续且成本低廉的监测，为作物分类和产量预测提供可靠支持。然而，在关键生长时期，大豆与玉米的光谱特征高度相似，这给可靠分类带来了重大挑战。
为此，本研究提出了一种多源遥感方法，将Sentinel-1 SAR与Sentinel-2光学时间序列影像进行融合。该方法在随机森林分类器中结合了统计描述量、谐波拟合参数、物候指标及雷达特征，实现大豆的精确制图。研究区域为黑龙江省九三垦区，利用2019年5月至10月的卫星影像进行多源分类和时间分析。
我们系统评估了不同数据源和物候阶段的分类性能，并引入“最早可识别时间（Earliest Identifiable Time, EIT）”指标评估时间检测能力。结果表明，多源融合方法优于单源方法，大豆分类总体精度（OA）达96.85%，Kappa系数为0.9493，F1值为95.84%。值得注意的是，SAR数据在开花期显著提高了分类性能——此阶段光学影像常受限制，最大F1值提升了6.96%。随着作物生长，大豆分类精度快速提高，EIT提前至年度第210天（DOY 210），比仅使用光学数据提前约20天。
这些结果表明，多源遥感能够在复杂气候条件下提升作物分类的精度和时效性，为精准大豆制图及生长季监测提供了重要支持。
______________________________
声明：本人水平有限，难免出错。请各位同行监督、批评与指正。推送难以展示该研究的所有内容，详情参见原文。交流与合作请私信。
Title: Enhancing early-season soybean identification through optical and SAR time-series integration
DOI:https://doi.org/10.3389/fpls.2025.1656628
大豆是中国重要的粮食作物和经济作物，及时掌握其空间分布对于粮食安全至关重要。然而，传统的调查方法耗时长且覆盖范围有限。相比之下，卫星遥感能够实现大规模、连续且成本低廉的监测，为作物分类和产量预测提供可靠支持。然而，在关键生长时期，大豆与玉米的光谱特征高度相似，这给可靠分类带来了重大挑战。
为此，本研究提出了一种多源遥感方法，将Sentinel-1 SAR与Sentinel-2光学时间序列影像进行融合。该方法在随机森林分类器中结合了统计描述量、谐波拟合参数、物候指标及雷达特征，实现大豆的精确制图。研究区域为黑龙江省九三垦区，利用2019年5月至10月的卫星影像进行多源分类和时间分析。
我们系统评估了不同数据源和物候阶段的分类性能，并引入“最早可识别时间（Earliest Identifiable Time, EIT）”指标评估时间检测能力。结果表明，多源融合方法优于单源方法，大豆分类总体精度（OA）达96.85%，Kappa系数为0.9493，F1值为95.84%。值得注意的是，SAR数据在开花期显著提高了分类性能——此阶段光学影像常受限制，最大F1值提升了6.96%。随着作物生长，大豆分类精度快速提高，EIT提前至年度第210天（DOY 210），比仅使用光学数据提前约20天。
这些结果表明，多源遥感能够在复杂气候条件下提升作物分类的精度和时效性，为精准大豆制图及生长季监测提供了重要支持。
______________________________
声明：本人水平有限，难免出错。请各位同行监督、批评与指正。推送难以展示该研究的所有内容，详情参见原文。交流与合作请私信。
Title: Enhancing early-season soybean identification through optical and SAR time-series integration
DOI:https://doi.org/10.3389/fpls.2025.1656628
