从算法到系统:国家级农业近实时监测的完整框架

摘要翻译：

新的地球观测数据流、方法学发展和云计算基础设施的融合，为农业监测领域带来了全新的范式转变。哥白尼哨兵 - 2 号任务提供了系统性的 5 天重访周期和免费数据访问，这为在多个国家开展近实时、地块级别的作物特定监测开辟了全新途径。本研究旨在开发一个开源系统，以生成适用于云计算环境的全国范围、无云的准动态掩膜、作物类型图和植被状态指标。

该系统被称为 Sen2-Agri，它能够无缝、自动地整合并处理哨兵 - 2 号和陆地卫星 8 号时间序列数据，以实现上述四个产品的生成。这一过程依赖于基于机器学习算法和质量控制的增量处理流程，并嵌入了一套关键原则来应对数据稀疏的问题。该系统已在全球 10 个国家部署，用于开展全国范围的 10 米分辨率农业监测。

本研究在乌克兰、马里和南非三个国家对该系统进行了全尺度演示。尽管全球范围内仅部署了一颗哨兵 - 2 号卫星，但该系统仍成功在整个国家范围内实现了业务化运行。在所有演示站点，哨兵 - 2 号卫星数据均以时间匹配的方式被收集，用于校准和验证，以生成四个 Sen2-Agri 产品。

对大多数站点提供的月度掩膜进行独立验证，结果显示整体精度值均高于 90%，在季中阶段，这一比例甚至达到了 80% 以上。针对研究站点的 5 种主要作物进行的作物类型图验证也取得了成功：整体精度值高于 80%，不同作物类型类别的 F1 分数大多高于 0.65。

这些成果为建立全国范围的地块级作物特定监测系统奠定了基础，弥合了地块实地调查与国家级评估之间的差距。这些全尺度演示结果清楚地凸显了 Sen2-Agri 系统在非常大的区域内利用哨兵 - 2 号任务获取的近实时观测数据，开展业务化农业监测的能力。在云计算基础设施上扩展这一开源系统，对于支持市场透明度以及按照 AMIS 和 GEOGLAM G-20 倡议的要求建设国家级监测能力至关重要。