近日，《環境遙感》在線發表了中外科學家合作提出的一種協同遙感數據和統計數據的農作物空間分布制圖新方法。
該項研究由中國農業科學院農業資源與農業區劃研究所智慧農業創新團隊與華中師范大學、美國波士頓大學、美國肯特州立大學和國際糧食政策研究所等聯合完成。
論文通訊作者研究員吳文斌介紹，農作物空間分布圖是科學掌握區域農業生產狀況、優化農業資源配置利用、調整農作物種植結構的重要基礎。
中低空間分辨率遙感數據（如中分辨率成像光譜儀MODIS）是區域農作物空間分布制圖或種植結構監測中廣泛使用的數據源，其具有觀測幅寬大、譜段多和時頻高等特點，可以較好刻畫復雜種植結構下農作物的生長發育物候特征。然而，其較粗的空間分辨率常帶來混合像元的問題，分類中訓練樣本、大氣干擾、影像預處理、機器學習算法等也有很多不確定性，這些都顯著限制了農作物空間分布制圖精度。
“農作物統計數據也常在農作物空間分布制圖中得到應用，雖難以刻畫農作物詳細的空間分布信息，但在作物類型和數量特征描述，以及時間連續性表達等方面具有獨特優勢。”吳文斌說，已有研究多是將統計數據作為外部參考數據，應用于遙感制圖結果驗證和精度評價。統計數據沒有參與到遙感制圖的關鍵環節中，并沒有實現遙感數據和統計數據的真正協同。
針對這一問題，研究團隊從充分挖掘中低分辨率遙感影像和農業統計數據的優勢出發，聯合提出了協同這兩類數據的農作物亞像素制圖新方法。
首先，該方法基于隨機森林回歸模型提出了“向后特征剔除法”，自動篩選出作物識別的最佳光譜-時相特征組合，提高作物豐度遙感估算精度。
其次，引入作物面積統計數據，計算遙感分類結果與統計數據的面積差，提出了面積差空間迭代分配新方法（IAGSA），進行面積差空間像元合理分配，實現遙感分類的作物豐度結果精化。
該團隊以我國最大商品糧基地——黑龍江省為研究區域，以主要農作物（水稻、玉米和大豆）為研究對象，對方法可靠性和穩定性進行了驗證。
結果表明：基于時序MODIS生成的亞像素作物分布圖與中高分辨率參考圖的空間一致性達0.75；利用IAGSA優化得到的農作物亞像素制圖結果，不僅在數量上與統計數據的一致性顯著提升，而且也保留了遙感制圖結果的空間分布特征。IAGSA策略具有明顯的尺度效應，即統計數據的空間尺度越小，優化的遙感結果的空間異質性越大。
該方法充分挖掘了遙感數據和統計數據協同利用的優勢，一方面提升了中低分辨率遙感數據作物空間分布制圖的精度，可為我國大區域“作物一張圖”研制提供新支撐；另一方面豐富和發展了遙感數據源和非遙感數據源融合的技術方法，可為多源數據的協同融合提供新參考。
該研究得到國家自然科學基金創新群體項目、國家重點研發計劃項目、國際農業科學計劃項目共同資助。
相關論文信息：https://doi.org/10.1016/j.rse.2021.112365
【免責聲明】本文轉載自網絡，與科技網無關。科技網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。