玉米和大豆田看起来与空间相似 - 至少他们习惯了。但现在，科学家们已经证明了一种使用卫星数据和超级计算机的处理能力区分两种作物的新技术。
“如果我们想预测伊利诺伊州或整个美国的玉米或大豆产量，我们必须知道他们在伊利诺伊大学自然资源和环境科学系的助理教授Kaiyu Guan说，蓝水域在国家超级计算申请（NCSA）和新研究的主要调查人员教授。
进步，发表在遥感环境，是一个突破，因为，以前，国家玉米和大豆种植面积仅在美国农业部收获后的四到六个月内提供给公众。LAG意味着政策决策是基于陈旧的数据。但是新技术在7月底为每个领域，可以将两种主要作物区分开，每年7月底为每种田地 - 在收获前两三个月而良好。
研究人员争论更及时的作物领域估计可用于各种监测和决策应用，包括作物保险，土地租赁，供应链物流，商品市场等。
然而，对于关岛，工作的科学价值与其实际价值同样重要。
被称为Landsat的一组卫星已经连续地将地球圈出40年，使用表示电磁谱不同部分的传感器收集图像。瓜扬说，最先前从这些图像区分玉米和大豆的尝试基于频谱的可见和近红外部分，但他和他的团队决定尝试不同的东西。
“我们发现了一个光谱频带，短波红外（SWIR），这对于识别玉米和大豆之间的差异非常有用，”Yaping Cai，Ph.D。遵循关关和另一个高级协调员的指导，在我的地理部门王文王的指导下。
事实证明玉米和大豆在大多数年份将在7月份具有可预测的叶水状况。该团队在15年期间使用了来自三个Landsat卫星的SWIR数据和其他光谱数据，并始终拾取了该叶子水状态信号。
“SWIR带对叶片内的水含量更敏感。该信号不能通过传统的RGB（可见）光或近红外频段捕获，因此苏里尔非常有用以区分玉米和大豆“关”总结道。
研究人员使用了一种机器学习，称为深神经网络，分析数据。
“深入学习方法刚刚开始申请农业应用，我们预计在这一领域未来创新技术的巨大潜力，”电脑科学部助理教授，我和一个新研究共同作者和共同主管调查员。
该团队专注于伊利诺伊州香槟县的分析，作为概念验证。尽管它是一个相对较小的区域，但在30米的分辨率下分析了15年的卫星数据，仍然需要超级计算机来处理几十个数据的数据。
“这是一个大量的卫星数据。我们在NCSA中使用了蓝色水域和Roger超级计算机来处理过程并提取有用的信息，“Guan说。“技术明智，能够处理如此大量的数据并应用先进的机器学习算法之前是一个很大的挑战，但现在我们有超级计算机和处理数据集的技能。”
该团队正在努力将研究区扩展到整个玉米皮带，并调查数据的进一步应用，包括产量和其他质量估计。
伊利诺伊大学科学家们使用了来自Landsat卫星的短波红外频段，以准确地区分玉米和大豆在不断增长的季节。（图片信用：伊利诺伊大学凯宇关）
提交：航空航天+防御
