文章题目：Improved phenology-based rice mapping algorithm by integrating optical and radar data
发表期刊：《Remote Sensing of Environment》
影响因子：11.1
通讯作者：董金玮 研究员 中科院地理所
在线日期：2024-10-03
水稻种植信息对于粮食和水资源安全至关重要。由于世界各地的气候条件各不相同，水稻种植系统也多种多样，因此绘制全球水稻地图仍具有挑战性。合成孔径雷达（SAR）数据不受气候条件的影响，在多云、多雨的低纬度地区的水稻制图中发挥了重要作用，但在中高纬度地区却存在误差。相反，光学数据由于观测频率高、云层污染少，在中高纬度地区表现出色，但在低纬度地区却面临严重的漏分误差。所以有效的整合两种数据源是全球水稻制图的关键。
该研究提出了一种名为 Rice-Sentinel 的结合了 Sentinel-1 和 Sentinel-2 数据的新型水稻绘图框架。
图1. Rice-Sentinel 用于水稻制图的工作流程。
该方法首先通过分析 Sentinel-1 VH 曲线的特征性 V 形变化，提取水稻的关键物候期（如淹水移栽期以及快速生长期）。其次，利用生成的物候期，将 Sentinel-1 的 VH 时间序列与 Sentinel-2 的地表水指数（LSWI）和增强植被指数（EVI）进行整合，从而识别出水稻像素中潜在的淹水信号。第三，利用 Sentinel-2 数据识别水稻在淹水阶段后的快速生长信号。最后，通过整合水稻淹水信号和快速生长信号，识别水稻田。
图2. Rice-Sentinel的详细工作流程。该图详细说明了图 2 的步骤 2-4。蓝色背景表示在 SP 和 FTP 确定的时间窗口内识别水淹信号，灰色背景表示在 RGP 确定的时间窗口内识别快速生长信号。
该方法通过将阈值法引入Sentinel-1 VH时间序列曲线，识别播种期、淹水移栽期、快速生长期等关键物候时间窗口，解决了以往水稻制图算法缺乏物候期数据的局限性，以及准确捕捉低纬度地区水稻物候期的难题。此外，该研究还展示了光学数据和雷达数据的各自缺陷和应用单一数据源进行制图的局限性。而Rice-Sentienl算法最大限度地发挥了雷达和光学数据在不同地区的优势，对两种数据进行了优势互补，提供了高度可靠的水淹信号结果，从而提高了基于物候学的水稻测绘方法的鲁棒性。
该研究在全球六个不同案例区域（中国东北和长江中游、美国加利福尼亚、越南湄公河三角洲、日本酒田市和非洲马里）绘制的水稻地图显示，OA超过 90%，F1 score超过 0.91，优于其他方法和产品。该方法利用生物物理学原理生成的水稻地图，而无需依赖任何先验的地面样本，并有望在全球范围内应用，为全球水稻监测和粮食安全工作做出贡献。
