Ground Truth – 2019

GEDI & Sentinel-2 Prediction – 2019

GEDI的主要任務是測量樹木高度和森林結構，以估計森林和紅樹林中儲存的碳量。由NASA收獲部支持的新研究顯示，這些數據也可用于繪制不同類型作物的種植地。

當斯坦福大學的農業生態學家David Lobell看到研究人員使用GEDI數據來估計樹木高度時，他想知道他如何使用這些數據來研究農業。他的團隊中的研究人員Stefania Di Tommaso和Sherrie Wang提出了用數據來區分農場中種植的不同類型作物的想法。

Wang聯系了馬里蘭大學的GEDI科學團隊，看看他們是否在使用該儀器進行農業研究。他們回答說，他們不確定GEDI數據是否可以用于這種應用。“但是他們并沒有說這是不可能的，”Lobell說，他幫助領導NASA收獲部的作物產量研究。

繪制某些作物的種植地點對于估計世界主要作物的總產量非常重要。但是從太空中可靠地繪制作物類型一直很困難，因為許多植物在光學圖像中看起來都是一樣的。

Lobell和他的團隊從玉米開始。當完全生長時，平均玉米莖桿比其他作物高約一米，這種差異在GEDI剖面上是可以檢測到的。利用這一洞察力，斯坦福大學的團隊將GEDI的激光雷達剖面數據與歐空局哨兵2號衛星的光學圖像相結合。他們能夠遠程繪制三個地區的玉米地圖，那里有可靠的地面數據來驗證他們的觀察結果：美國的愛荷華州、中國的吉林省和法國的大東部大區(Grand Est)。

頁面頂部的圖片顯示了法國Truchtersheim附近的玉米和其他作物的分布，這些數據來自于地面（頂部圖片）和GEDI-Sentinel模型（下部圖片）。下面的圖片顯示了應用于三個研究地點的相同技術。

2019

斯坦福大學的算法能夠正確區分玉米和其他作物，準確率超過83%。僅僅使用Sentinel-2數據的模型的總體平均準確率為64%。“兩年前，我從未想過GEDI可以以這種方式使用，”Lobell說。

在未來，研究小組的目標是繪制全世界的玉米生產圖，這可以用來了解每年玉米的收獲前景。它還可以幫助農民和援助機構評估糧食安全問題，并了解可能的管理變化，以提高主要玉米產區的產量。