Key points are not available for this paper at this time.
Biophysikalische Variablen spielen eine entscheidende Rolle beim Verständnis phenologischer Phasen und der Dynamik von Pflanzen, der Optimierung landwirtschaftlicher Praktiken und der Erreichung nachhaltiger Ernteerträge. Diese Studie untersuchte die Wirksamkeit des Sentinel-2 Biophysical Processors (S2BP) bei der genauen Schätzung von Beschreibungen der Pflanzendynamik, einschließlich des Fraktionalen Vegetationsgegenstands (FVC), des Blattflächenindex (LAI), des Blattchlorophylls a und b (LCab) und des Wassergehalts der Vegetationsdecke (CWC). Die Bewertung wurde mit Hilfe von Schätzqualitätsindikatoren (EQIs) und umfassenden Bodenmessungen während der gesamten Wachstumsperiode im Maßstab von Feldern durchgeführt. Um Boden- und Vegetationspixel zu identifizieren, wurde die spektrale Entmischungstechnik verwendet. Entsprechend den EQIs wurden die besten Ergebnisse für FVC in etwa 99,9 % der 23.976 während der Wachstumsperiode analysierten Pixel erzielt. Für LAI, LCab und CWC hatten über 60 % der untersuchten Pixel Eingaben, die außerhalb des Bereichs lagen. Darüber hinaus waren in über 35 % der Pixel die Ausgabe-Werte für LCab und CWC außerhalb des Bereichs. Die Schätzungen für FVC, LAI und LCab stimmten gut mit den Bodenmessungen (R2 = 0,62–0,85) überein, während eine Diskrepanz bei den CWC-Schätzungen im Vergleich zu den Bodenmessungen (R2 = 0,51) beobachtet wurde. Darüber hinaus lagen die Unsicherheiten der Schätzungen für FVC, LAI, LCab und CWC bei 0,09, 0,81 m²/m², 60,85 µg/cm² und 0,02 g/cm² im Vergleich zu den Bodenmessungen von FVC, LAI, Cab und CWC, respektive. Unter Berücksichtigung der EQIs und der Unsicherheitsmetriken war die Reihenfolge der Schätzgenauigkeit der vier Variablen FVC > LAI > LCab > CWC. Unsere Analyse ergab, dass zeitliche Variationen von FVC, LAI und LCab hauptsächlich durch ereignisbasierte Faktoren im Maßstab von Feldern wie Aussaatdatum, Wachstumsperiode und Erntezeit beeinflusst wurden, was ihre Empfindlichkeit gegenüber landwirtschaftlichen Praktiken hervorhebt. Die Robustheit der Ergebnisse von S2BP könnte durch die Implementierung eines Pixelidentifikationsalgorithmus, wie z. B. die Einbettung von spektrometrischer Entmischung, verbessert werden. Insgesamt bietet diese Studie detaillierte, pixelgenaue Einblicke in die Leistung von S2BP bei der Schätzung von FVC, LAI, LCab und CWC, die entscheidend für die Überwachung der Pflanzen dynamik in der Präzisionslandwirtschaft sind.
Hassanpour et al. (Sat,) haben diese Frage untersucht.