近日，中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所智慧農業(yè)創(chuàng)新團隊與華中師范大學、美國波士頓大學、美國肯特州立大學以及國際糧食政策研究所等聯(lián)合提出了一種協(xié)同遙感數(shù)據和統(tǒng)計數(shù)據的農作物空間分布制圖新方法，研究成果發(fā)表于《環(huán)境遙感（Remote Sensing of Environment）》。
據吳文斌研究員介紹，農作物空間分布圖是科學掌握區(qū)域農業(yè)生產狀況、優(yōu)化農業(yè)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(shù)據（如中分辨率成像光譜儀MODIS）是區(qū)域農作物空間分布制圖或種植結構監(jiān)測中廣泛使用的數(shù)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(fā)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(tǒng)計數(shù)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(shù)量特征描述，以及時間連續(xù)性表達等方面具有獨特優(yōu)勢。已有的研究多是將統(tǒng)計數(shù)據作為外部參考數(shù)據，應用于遙感制圖結果驗證和精度評價，統(tǒng)計數(shù)據沒有參與到遙感制圖的關鍵環(huán)節(jié)中，并沒有實現(xiàn)遙感數(shù)據和統(tǒng)計數(shù)據的真正協(xié)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(yè)統(tǒng)計數(shù)據的優(yōu)勢出發(fā)，聯(lián)合提出了協(xié)同這兩類數(shù)據的農作物亞像素制圖新方法。該方法首先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(tǒng)計數(shù)據，計算遙感分類結果與統(tǒng)計數(shù)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(xiàn)遙感分類的作物豐度結果精化。團隊以我國最大商品糧基地—黑龍江省為研究區(qū)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(wěn)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(yōu)化得到的農作物亞像素制圖結果，不僅在數(shù)量上與統(tǒng)計數(shù)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(tǒng)計數(shù)據的空間尺度越小，優(yōu)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(shù)據和統(tǒng)計數(shù)據協(xié)同利用的優(yōu)勢，一方面提升了中低分辨率遙感數(shù)據作物空間分布制圖的精度，可為我國大區(qū)域“作物一張圖”研制提供新支撐；另一方面豐富和發(fā)展了遙感數(shù)據源和非遙感數(shù)據源融合的技術方法，可為多源數(shù)據的協(xié)同融合提供新參考。
該研究得到國家自然科學基金創(chuàng)新群體項目、國家重點研發(fā)計劃項目、國際農業(yè)科學計劃項目共同資助。（通訊員 金云翔）
原文鏈接：
https://www.sciencedirect.com/science/article/pii/S0034425721000833
圖.遙感數(shù)據和統(tǒng)計數(shù)據協(xié)同的農作物亞像素制圖流程
