東北地理所在Remote Sensing of Environment上發(fā)表全新水稻遙感制圖方法
水稻作為全球重要的糧食作物之一，在保障糧食安全和促進農村經(jīng)濟發(fā)展中發(fā)揮著關鍵作用。因此，準確及時的水稻制圖對相關政策制定至關重要，以應對人為、環(huán)境和氣候變化帶來的挑戰(zhàn)。與傳統(tǒng)田間調查相比，衛(wèi)星遙感在水稻制圖和監(jiān)測方面具有大面積覆蓋、及時監(jiān)測和低成本等獨特優(yōu)勢，已成為水稻監(jiān)測制圖的主要技術手段。目前，水稻遙感制圖方法主要有三種，基于分類器、基于物候和基于指數(shù)方法。基于分類器的方法是最常用的，但這些數(shù)據(jù)驅動的分類器通常難以提取深層特征?；谥笖?shù)的方法結合多個光譜波段，以突出目標類別與其他類別之間的差異，廣泛用于作物制圖和監(jiān)測。然而，由于水稻的高時間和空間變異性，在不同種植區(qū)域確定普遍閾值以實現(xiàn)準確制圖非常具有挑戰(zhàn)性。此外，由于水稻時空特征的復雜性，目前很難針對水稻研發(fā)適用性廣泛的遙感指數(shù)。
針對以上科學難題，中國科學院東北地理所李華朋副研究員帶領團隊，首次研發(fā)了一種全新的方法，命名為RiceTColour，旨在基于水稻在移栽期間的獨特光譜特征開展水稻遙感制圖。通過分析水稻和其他土地覆蓋在可見光、近紅外和短波紅外波段的光譜分布特征，首次發(fā)現(xiàn)水稻在移栽期近紅外和短波紅外反射率值低于其他地物類型（除水體）的獨特特征；進而，使用短波紅外、近紅外和紅色波段組合，水稻田在遙感影像上呈現(xiàn)獨特的顏色。
圖2?研發(fā)的RiceTColour技術路線及水稻遙感制圖結果
基于水稻該獨特光譜特征，提出了一種全新的方法RiceTColour。該方法的主要思想是通過分析水稻及其他土地覆蓋物的訓練樣本在CIE色彩空間中的空間分布模式，建立分類標準以區(qū)分水稻與其他土地覆蓋類型。CIE色彩空間的最大優(yōu)勢在于，它能夠將由傳統(tǒng)三刺激值（RGB：紅、綠和藍）組成的任何顏色轉換到量化的二維（2D）色彩空間，從而完成水稻分類邊界的構建。
選擇了我國五個典型的水稻種植區(qū)，在不同的環(huán)境條件下，全面測試所開發(fā)的RiceTColour水稻制圖方法的有效性和普遍性。這些區(qū)域在氣候、水稻種植強度、灌溉方式以及作物輪作等方面存在顯著差異。實驗結果表明，RiceTColour方法在所有五個地點相比基準方法始終取得了最準確和均衡的分類制圖結果。RiceTColour在訓練地點（S1）中表現(xiàn)相對穩(wěn)定，整體制圖準確率超過95%，在四個測試地點（S2至S5）中也取得了令人鼓舞的精度（>95%）。在各個水稻種植區(qū)域高效且穩(wěn)定的水稻制圖結果表明，所提出的無參數(shù)且高效的RiceTColour方法具有強大的推廣能力。
該研究成果于近期發(fā)表在遙感頂級期刊Remote Sensing of Environment上（國際頂級C刊，IF: 11.1），論文工作主要由地理信息系統(tǒng)學科組李華朋副研究員（第一作者及通訊作者）完成，合作研究人員包括布里斯托大學張策助理教授及蘭卡斯特大學Peter Atkinson教授等。這是課題組繼2023年GWCCI大豆制圖方法工作之后，在RSE發(fā)表的又一項農作物分類識別方法論文。該研究得到國家重點研發(fā)計劃項目（2021YFD1500100）、中國科學院戰(zhàn)略性先導科技專項項目（XDA28070500）等項目共同資助。
論文信息：
Huapeng Li*, Jujian Huang, Ce Zhang, Xiangyu Ning, Shuqing Zhang, Peter M. Atkinson. An efficient and generalisable approach for mapping paddy rice fields based on their unique spectra during the transplanting period leveraging the CIE colour space. Remote Sensing of Environment, 2024, DOI:10.1016/j.rse.2024.114381
論文鏈接：
https://www.sciencedirect.com/science/article/abs/pii/S0034425724004073
GWCCI論文信息：
Hui Chen, Huapeng Li*, Zhao Liu, Ce Zhang, Shuqing Zhang*, Peter M. Atkinson. A novel Greenness and Water Content Composite Index (GWCCI) for soybean mapping from single remotely sensed multispectral images. Remote Sensing of Environment, 2023, DOI: 10.1016/j.rse.2023.113679
附件下載：
吉公網(wǎng)安備22017302000214號
