应众多读者的需求和建议，遥感地理视界创建了学习交流群，想加入交流的可扫描下方二维码添加。请进群后按照群公告备注如“学位-学校(或机构)-昵称”格式（详情请查看公众号置顶推文）。![]()
标题：Improved phenology-based rice mapping algorithm by integrating optical and radar data.
期刊：《Remote Sensing of Environment》(中科院1区Top, IF=11.2)
作者：Zizhang Zhao et al.
doi：10.1016/j.rse.2024.114460
水稻种植面积的信息对粮食和水资源安全至关重要，尤其在应对气候变化的过程中。全球水稻种植区域的多样化气候条件和不同的种植系统，给水稻的全球范围制图带来了挑战。合成孔径雷达（SAR）数据由于不受气候条件影响，在多云多雨的低纬度地区的水稻制图中起着关键作用，但在高纬度地区会引发误差。而光学数据在高纬度地区表现良好，但在低纬度地区会因云层遮蔽而产生较大遗漏。结合这两类数据的有效方法是实现全球水稻制图的关键。本研究提出了一种新型的适应性水稻制图框架Rice-Sentinel，结合了Sentinel-1和Sentinel-2数据。本研究选取了六个具有不同气候条件的水稻种植区作为研究对象，分别是中国南方、中国东北、越南湄公河三角洲、日本坂田市、美国加州和非洲马里。数据主要包括2020年的Sentinel-1和Sentinel-2影像，所有影像均通过Google Earth Engine平台进行处理。Sentinel-2数据为Level-2 A数据，空间分辨率为10米，时间间隔为5天；Sentinel-1数据为C波段合成孔径雷达影像，分辨率同样为10米，时间间隔为12天（赤道和高纬度地区）或6天（中纬度地区）。研究方法分为四步：（1）基于Sentinel-1 VH时间序列数据确定水稻的移栽和快速生长阶段；（2）通过整合光学和雷达数据增强水稻移栽信息的识别，利用LSWI和EVI的关系以及雷达VH数据的V型信号；（3）使用光学数据识别水稻快速生长期信号；（4）综合淹水信号和快速生长信号生成最终的水稻地图。最后，算法生成的水稻地图通过精度评估，并与现有的水稻产品进行比较。本研究提出的Rice-Sentinel算法在全球六个不同地区的水稻制图中表现优异，所有研究区的整体准确率（OA）均超过90%，F1分数也均在0.91以上。具体来说，在美国、越南和中国东北地区，该算法的准确率最高，分别为0.976、0.966和0.965，这可能与这些地区的平坦地形和相对较高的有效观测次数有关。而在中国南方、日本和非洲马里的研究区，算法的准确率相对较低，分别为0.926、0.924和0.930，这可能是由于这些地区的山地地形和破碎的景观所致。与其他水稻制图产品的比较中，Rice-Sentinel算法也表现出较高的准确率。例如，在中国南方地区，与Pan等（2021）提出的水稻制图产品相比，本算法的整体准确率为0.916，显著高于Pan等的0.841。该算法有效解决了双季稻种植区中的遗漏错误问题。同样，在越南和中国东北地区，Rice-Sentinel算法的结果与现有的NESEA-Rice和JHR-LULC数据集高度一致，但在东北地区，该算法在湿地区域存在一定的误分类现象。此外，在越南地区，本研究提出的算法在30米分辨率的JHR-LULC数据集中的遗漏误差较大，而NESEA-Rice数据集的表现相对较好。在美国加州地区，本研究结果与CDL数据的空间分布相似，但由于本研究使用了10米分辨率，生成的水稻地图边界更为清晰。本研究提出了一种基于光学和SAR数据（Sentinel-1和Sentinel-2）的适应性水稻制图算法——Rice-Sentinel，并在全球六个不同气候带、种植系统和地形类型的研究区进行了验证。该算法在所有研究区的整体准确率均超过90%，并且相比现有的水稻制图方法具有显著优势。其成功之处主要体现在以下三方面：首先，通过Sentinel-1 VH数据的分析实现了水稻物候期的自动识别；其次，整合光学和SAR数据有效提高了淹水信号的检测精度，解决了高纬度地区SAR数据误差较高和低纬度地区光学数据常被云雨遮挡的问题；最后，采用淹水信号和快速生长信号的稳健结合，使得算法的阈值较为稳定且不易受到误差影响。因此，该算法在全球范围内的水稻制图中具有广泛的应用前景。然而，未来研究仍需在更多复杂种植系统中进行实验，以验证算法的适应性和鲁棒性。文章来源 ：
Zhao, Z., Dong, J., Zhang, G., Yang, J., Liu, R., Wu, B., & Xiao, X. (2024). Improved phenology-based rice mapping algorithm by integrating optical and radar data. Remote Sensing of Environment, 315, 114460.
免责声明 ：
本公众号发布的内容仅供学习交流使用，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系。
