第八届青年地学论坛

本数据集基于Google Earth Engine(GEE)云计算平台，融合多源遥感影像，构建了一种物候算法，生成了2019-2021年河南省越冬作物数据集。首先，融合Landsat 7/8 和Sentinel-2 A/B影像构建了高时空分辨率时间序列数据集。其次，分析不同物候期下越冬作物和其他作物的物候差异，提取用于分类的物候指标，包括生长季节始期(start of season, SOS)、生长高峰期(start date of peak, SDP)、生长季节末期(end of season, EOS)、绿化速度(green-up speed, GUS)和生长季节长度(growing-season length, GSL)。最后，基于这些物候指标构建决策树模型，在像元尺度上对越冬作物进行提取。本研究构建的物候算法能够准确提取越冬作物的种植面积，其用户精度、生产者精度、总体精度和Kappa系数分别为98.00%、98.36%、97.44%和0.94。本数据集可以为越冬作物生长监测和产量预测提供基础数据，帮助决策者和生产者制定合理的政策和风险管理策略，也可为相关领域的科研人员提供数据参考。

越冬作物；河南省； Google Earth Engine； Landsat；Sentinel-2；物候算法