• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Agro-geoinformatics >Extracting Trusted Pixels from Historical Cropland Data Layer Using Crop Rotation Patterns: A Case Study in Nebraska, USA
【24h】

Extracting Trusted Pixels from Historical Cropland Data Layer Using Crop Rotation Patterns: A Case Study in Nebraska, USA

机译：使用作物轮作模式从历史农田数据层中提取可信赖像素：美国内布拉斯加州的案例研究

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

It is still a challenge to generate the timely crop cover map at large geographic area due to the lack of reliable ground truths at early growing season. This paper introduces an efficient method to extract “trusted pixels” from the historical Cropland Data Layer (CDL) data using crop rotation patterns, which can be used to replace the actual ground truth in the crop mapping and other agricultural applications. A case study in the Nebraska state of USA is demonstrated. The common crop rotation patterns of four major crop types, corn, soybeans, winter wheat, and alfalfa, are compared and analyzed. The experiment results show a considerable number of pixels in CDL following the certain crop sequence during the past decade. Each observed crop type has at least one reliable crop rotation pattern. Based on the reliable crop rotation patterns, a great proportion of pixels can be correctly mapped a year ahead of the release of current-year CDL product. These trusted pixels can be potentially used to label training samples for crop type classification at early growing season.
机译：由于在生长期早期缺乏可靠的地面实况，在大地理区域上及时生成作物覆盖图仍然是一个挑战。本文介绍了一种有效的方法，该方法使用作物轮作模式从历史农田数据层（CDL）数据中提取“受信任像素”，该方法可用于替换作物制图和其他农业应用中的实际地面真相。演示了美国内布拉斯加州的一个案例研究。对四种主要农作物玉米，大豆，冬小麦和苜蓿的常见轮作模式进行了比较和分析。实验结果表明，在过去的十年中，按照特定的农作物序列，CDL中有大量像素。每种观察到的农作物类型都有至少一个可靠的农作物轮作模式。基于可靠的作物轮作模式，可以在本年度CDL产品发布的前一年正确映射很大比例的像素。这些受信任的像素可以潜在地用于标记训练样本，以便在生长季节早期对作物类型进行分类。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号