農作物空間分布監測，是調控農業生產、調整種植結構的重要基礎之一。隨著技術的進步，衛星遙感、地面監測等技術日漸成熟，作物監測也越來越精準，但不同的方法，仍有各自的缺點。近日，記者從中國農科院獲悉，一種新的農作物空間分布制圖方法研發成功，可顯著提升制圖精度，且為我國大區域“作物一張圖”研制提供新支撐。該研究由中國農科院農業資源與農業區劃研究所智慧農業創新團隊，聯合華中師范大學、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共同完成，研究成果發表于《環境遙感（Remote Sensing of Environment）》上。
據團隊科學家吳文斌介紹，在農作物空間分布制圖中，空間遙感數據和地面統計數據，是最常使用的數據。在遙感數據中，在區域農作物空間分布制圖或種植結構監測中，中低空間分辨率遙感數據是廣泛使用的數據源，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、機器學習算法等因素，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。
另一方面，農業統計數據也有自身的優勢和劣勢，它在作物類型和數量特征描述、時間連續性表達等方面具有獨特優勢，卻難以刻畫農作物詳細的空間分布信息。
能否將兩者相結合，研發出一種兼具二者優勢的新方法？事實上，類似的研究已經開始，不過，吳文斌介紹，一般情況下，更多將統計數據作為外部參考數據，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，科學家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。隨后，團隊還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，新方法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。
據介紹，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。
據團隊科學家吳文斌介紹，在農作物空間分布制圖中，空間遙感數據和地面統計數據，是最常使用的數據。在遙感數據中，在區域農作物空間分布制圖或種植結構監測中，中低空間分辨率遙感數據是廣泛使用的數據源，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、機器學習算法等因素，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。
另一方面，農業統計數據也有自身的優勢和劣勢，它在作物類型和數量特征描述、時間連續性表達等方面具有獨特優勢，卻難以刻畫農作物詳細的空間分布信息。
能否將兩者相結合，研發出一種兼具二者優勢的新方法？事實上，類似的研究已經開始，不過，吳文斌介紹，一般情況下，更多將統計數據作為外部參考數據，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，科學家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。隨后，團隊還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，新方法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。
據介紹，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。
農先鋒網聲明：凡資訊來源注明為其他媒體來源的信息，均為轉載自其他媒體，并不代表本網站贊同其觀點，也不代表本網站對其真實性負責。您若對該文章內容有任何疑問或質疑，請立即與網站(m.shuanniao.cn)聯系，本網站將迅速給您回應并做處理。
聯系郵箱:3267146135@qq.com
聯系郵箱:3267146135@qq.com
