RSE2026
从Sentinel-1时间序列中检测作物播种和收获日期的一种新的自适应方法
针对传统SAR遥感作物播种与收获日期监测方法对作物类型和地表环境适应性不足、单一极化指标难以满足大范围监测需求的问题，提出一种基于Sentinel-1时序数据的自适应指标选择框架（ASIS），实现作物播种与收获日期的自动识别。该方法综合分析VH交叉极化后向散射强度与交叉极化比（CR）在不同作物类型及地表条件下的响应差异，揭示不同极化指标对雨养农田、灌溉农田及水田等种植环境的适用机制。首先，采用迭代式时间序列聚类策略，根据SAR时序特征对不同作物类型及地表条件进行自适应分组；其次，构建融合VH与CR信息的作物生长季指标（RCGI），实现作物生长季的可靠识别；最后，利用非生长季VH后向散射强度自动判别地表条件，并自适应选择最优极化指标进行播种与收获日期提取。该方法降低了作物类型、土壤粗糙度及水分条件差异对监测结果的影响，减少了对先验作物类别和田块边界信息的依赖，为大范围农事活动监测、作物生长建模及农业生产管理提供了新的技术途径。