一直以来，人们很难从卫星影像上较好地区分玉米田和大豆田，但近日，美国科学家已经证实，利用时间序列的短波红外卫星数据和机器学习算法，可以有效的区分两种作物，准确率高达95%，也因此，对作物面积的预测足足提前了几个月。
在大多数年份的7月，玉米和大豆的叶片水分状况不同。该研究小组在伊利诺斯州香槟县进行了概念验证，在2000-2015年共15年的时间内，使用了三颗Landsat卫星的短波红外和其他5个光谱带、共1322张影像数据，持续提取了叶片水分指标。“短波红外波段对叶片含水量更敏感，而在传统的可见光或近红外波段难以区分这一点，因此短波红外可以有效的区分玉米和大豆”，Kaiyu Guan总结到。此外，研究人员还使用了深度神经网络的机器学习方法来分析数据。
这项研究成果在农业遥感领域可谓是一项重要突破，相关内容已经发表在遥感顶级国际期刊《环境遥感》上，文章得到了美国国家超级计算应用中心、美国航天局和国家科学基金会的支持。
注：该项研究论文发表在《环境遥感》（《Remote Sensing of Environment》）期刊上，标题为《利用时间序列的陆地卫星数据和机器学习方法，建立了一个高性能的、应时的区域级作物类型分类系统》，原英文标题为《A high-performance and in-season classificationsystem of field-level crop types using time-series Landsat data and a machinelearning approach》。