農(nóng)作物空間分布監(jiān)測，是調(diào)控農(nóng)業(yè)生產(chǎn)、調(diào)整種植結(jié)構(gòu)的重要基礎(chǔ)之一。隨著技術(shù)的進步，衛(wèi)星遙感、地面監(jiān)測等技術(shù)日漸成熟，作物監(jiān)測也越來越精準(zhǔn)，但不同的方法，仍有各自的缺點。近日，記者從中國農(nóng)科院獲悉，一種新的農(nóng)作物空間分布制圖方法研發(fā)成功，可顯著提升制圖精度，且為我國大區(qū)域“作物一張圖”研制提供新支撐。該研究由中國農(nóng)科院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所智慧農(nóng)業(yè)創(chuàng)新團隊，聯(lián)合華中師范大學(xué)、美國波士頓大學(xué)、美國肯特州立大學(xué)以及國際糧食政策研究所等共同完成，研究成果發(fā)表于《環(huán)境遙感（Remote Sensing of Environment）》上。
據(jù)團隊科學(xué)家吳文斌介紹，在農(nóng)作物空間分布制圖中，空間遙感數(shù)據(jù)和地面統(tǒng)計數(shù)據(jù)，是最常使用的數(shù)據(jù)。在遙感數(shù)據(jù)中，在區(qū)域農(nóng)作物空間分布制圖或種植結(jié)構(gòu)監(jiān)測中，中低空間分辨率遙感數(shù)據(jù)是廣泛使用的數(shù)據(jù)源，具有觀測幅寬大、譜段多和時頻高等特點，可以較好刻畫復(fù)雜種植結(jié)構(gòu)下農(nóng)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(xùn)練樣本、大氣干擾、影像預(yù)處理、機器學(xué)習(xí)算法等因素，也有很多不確定性，這些都顯著限制了農(nóng)作物空間分布制圖精度。
另一方面，農(nóng)業(yè)統(tǒng)計數(shù)據(jù)也有自身的優(yōu)勢和劣勢，它在作物類型和數(shù)量特征描述、時間連續(xù)性表達等方面具有獨特優(yōu)勢，卻難以刻畫農(nóng)作物詳細的空間分布信息。
能否將兩者相結(jié)合，研發(fā)出一種兼具二者優(yōu)勢的新方法？事實上，類似的研究已經(jīng)開始，不過，吳文斌介紹，一般情況下，更多將統(tǒng)計數(shù)據(jù)作為外部參考數(shù)據(jù)，并沒有實現(xiàn)遙感數(shù)據(jù)和統(tǒng)計數(shù)據(jù)的真正協(xié)同。
針對這一問題，科學(xué)家團隊從充分挖掘中低分辨率遙感影像和農(nóng)業(yè)統(tǒng)計數(shù)據(jù)的優(yōu)勢出發(fā)，聯(lián)合提出了協(xié)同這兩類數(shù)據(jù)的農(nóng)作物亞像素制圖新方法。隨后，團隊還以我國最大商品糧基地——黑龍江省為研究區(qū)域，以主要農(nóng)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(jié)果表明，新方法不僅在數(shù)量上與統(tǒng)計數(shù)據(jù)的一致性顯著提升，而且也保留了遙感制圖結(jié)果的空間分布特征。
據(jù)介紹，該方法充分挖掘了遙感數(shù)據(jù)和統(tǒng)計數(shù)據(jù)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(jù)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(jù)源和非遙感數(shù)據(jù)源融合的技術(shù)方法，可為多源數(shù)據(jù)的協(xié)同融合提供新參考。
該研究得到國家自然科學(xué)基金創(chuàng)新群體項目、國家重點研發(fā)計劃項目、國際農(nóng)業(yè)科學(xué)計劃項目共同資助。
據(jù)團隊科學(xué)家吳文斌介紹，在農(nóng)作物空間分布制圖中，空間遙感數(shù)據(jù)和地面統(tǒng)計數(shù)據(jù)，是最常使用的數(shù)據(jù)。在遙感數(shù)據(jù)中，在區(qū)域農(nóng)作物空間分布制圖或種植結(jié)構(gòu)監(jiān)測中，中低空間分辨率遙感數(shù)據(jù)是廣泛使用的數(shù)據(jù)源，具有觀測幅寬大、譜段多和時頻高等特點，可以較好刻畫復(fù)雜種植結(jié)構(gòu)下農(nóng)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(xùn)練樣本、大氣干擾、影像預(yù)處理、機器學(xué)習(xí)算法等因素，也有很多不確定性，這些都顯著限制了農(nóng)作物空間分布制圖精度。
另一方面，農(nóng)業(yè)統(tǒng)計數(shù)據(jù)也有自身的優(yōu)勢和劣勢，它在作物類型和數(shù)量特征描述、時間連續(xù)性表達等方面具有獨特優(yōu)勢，卻難以刻畫農(nóng)作物詳細的空間分布信息。
能否將兩者相結(jié)合，研發(fā)出一種兼具二者優(yōu)勢的新方法？事實上，類似的研究已經(jīng)開始，不過，吳文斌介紹，一般情況下，更多將統(tǒng)計數(shù)據(jù)作為外部參考數(shù)據(jù)，并沒有實現(xiàn)遙感數(shù)據(jù)和統(tǒng)計數(shù)據(jù)的真正協(xié)同。
針對這一問題，科學(xué)家團隊從充分挖掘中低分辨率遙感影像和農(nóng)業(yè)統(tǒng)計數(shù)據(jù)的優(yōu)勢出發(fā)，聯(lián)合提出了協(xié)同這兩類數(shù)據(jù)的農(nóng)作物亞像素制圖新方法。隨后，團隊還以我國最大商品糧基地——黑龍江省為研究區(qū)域，以主要農(nóng)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(jié)果表明，新方法不僅在數(shù)量上與統(tǒng)計數(shù)據(jù)的一致性顯著提升，而且也保留了遙感制圖結(jié)果的空間分布特征。
據(jù)介紹，該方法充分挖掘了遙感數(shù)據(jù)和統(tǒng)計數(shù)據(jù)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(jù)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(jù)源和非遙感數(shù)據(jù)源融合的技術(shù)方法，可為多源數(shù)據(jù)的協(xié)同融合提供新參考。
該研究得到國家自然科學(xué)基金創(chuàng)新群體項目、國家重點研發(fā)計劃項目、國際農(nóng)業(yè)科學(xué)計劃項目共同資助。
農(nóng)先鋒網(wǎng)聲明：凡資訊來源注明為其他媒體來源的信息，均為轉(zhuǎn)載自其他媒體，并不代表本網(wǎng)站贊同其觀點，也不代表本網(wǎng)站對其真實性負責(zé)。您若對該文章內(nèi)容有任何疑問或質(zhì)疑，請立即與網(wǎng)站(m.tjlr.net.cn)聯(lián)系，本網(wǎng)站將迅速給您回應(yīng)并做處理。
聯(lián)系郵箱:3267146135@qq.com
聯(lián)系郵箱:3267146135@qq.com
