農(nóng)作物空間分布監(jiān)測(cè)，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(jìn)步，衛(wèi)星遙感、地面監(jiān)測(cè)等技術(shù)日漸成熟，作物監(jiān)測(cè)也越來(lái)越精準(zhǔn)，但不同的方法，仍有各自的缺點(diǎn)。近日，記者從中國(guó)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(guó)大區(qū)域“作物一張圖”研制提供新支撐。該研究由中國(guó)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(tuán)隊(duì)，聯(lián)合華中師范大學(xué)、美國(guó)波士頓大學(xué)、美國(guó)肯特州立大學(xué)以及國(guó)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(tuán)隊(duì)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(jì)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(cè)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(cè)幅寬大、譜段多和時(shí)頻高等特點(diǎn)，可以較好刻畫(huà)復(fù)雜種植結(jié)構(gòu)下農(nóng)作物的生長(zhǎng)發(fā)育物候特征。然而，其較粗的空間分辨率常帶來(lái)混合像元的問(wèn)題，分類(lèi)中訓(xùn)練樣本、大氣干擾、影像預(yù)處理、機(jī)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(jì)數(shù)據(jù)也有自身的優(yōu)勢(shì)和劣勢(shì)，它在作物類(lèi)型和數(shù)量特征描述、時(shí)間連續(xù)性表達(dá)等方面具有獨(dú)特優(yōu)勢(shì)，卻難以刻畫(huà)農(nóng)作物詳細(xì)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(shì)的新方法？事實(shí)上，類(lèi)似的研究已經(jīng)開(kāi)始，不過(guò)，吳文斌介紹，一般情況下，更多將統(tǒng)計(jì)數(shù)據(jù)作為外部參考數(shù)據(jù)，并沒(méi)有實(shí)現(xiàn)遙感數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的真正協(xié)同。
針對(duì)這一問(wèn)題，科學(xué)家團(tuán)隊(duì)從充分挖掘中低分辨率遙感影像和農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)的優(yōu)勢(shì)出發(fā)，聯(lián)合提出了協(xié)同這兩類(lèi)數(shù)據(jù)的農(nóng)作物亞像素制圖新方法。隨后，團(tuán)隊(duì)還以我國(guó)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(duì)象，對(duì)方法可靠性和穩(wěn)定性進(jìn)行了驗(yàn)證。結(jié)果表明，新方法不僅在數(shù)量上與統(tǒng)計(jì)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(jì)數(shù)據(jù)協(xié)同利用的優(yōu)勢(shì)，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(guó)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(guó)家自然科學(xué)基金創(chuàng)新群體項(xiàng)目、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國(guó)際農(nóng)業(yè)科學(xué)計(jì)劃項(xiàng)目共同資助。
據(jù)團(tuán)隊(duì)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(jì)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(cè)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(cè)幅寬大、譜段多和時(shí)頻高等特點(diǎn)，可以較好刻畫(huà)復(fù)雜種植結(jié)構(gòu)下農(nóng)作物的生長(zhǎng)發(fā)育物候特征。然而，其較粗的空間分辨率常帶來(lái)混合像元的問(wèn)題，分類(lèi)中訓(xùn)練樣本、大氣干擾、影像預(yù)處理、機(jī)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(jì)數(shù)據(jù)也有自身的優(yōu)勢(shì)和劣勢(shì)，它在作物類(lèi)型和數(shù)量特征描述、時(shí)間連續(xù)性表達(dá)等方面具有獨(dú)特優(yōu)勢(shì)，卻難以刻畫(huà)農(nóng)作物詳細(xì)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(shì)的新方法？事實(shí)上，類(lèi)似的研究已經(jīng)開(kāi)始，不過(guò)，吳文斌介紹，一般情況下，更多將統(tǒng)計(jì)數(shù)據(jù)作為外部參考數(shù)據(jù)，并沒(méi)有實(shí)現(xiàn)遙感數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的真正協(xié)同。
針對(duì)這一問(wèn)題，科學(xué)家團(tuán)隊(duì)從充分挖掘中低分辨率遙感影像和農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)的優(yōu)勢(shì)出發(fā)，聯(lián)合提出了協(xié)同這兩類(lèi)數(shù)據(jù)的農(nóng)作物亞像素制圖新方法。隨后，團(tuán)隊(duì)還以我國(guó)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(duì)象，對(duì)方法可靠性和穩(wěn)定性進(jìn)行了驗(yàn)證。結(jié)果表明，新方法不僅在數(shù)量上與統(tǒng)計(jì)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(jì)數(shù)據(jù)協(xié)同利用的優(yōu)勢(shì)，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(guó)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(guó)家自然科學(xué)基金創(chuàng)新群體項(xiàng)目、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國(guó)際農(nóng)業(yè)科學(xué)計(jì)劃項(xiàng)目共同資助。
農(nóng)先鋒網(wǎng)聲明：凡資訊來(lái)源注明為其他媒體來(lái)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(diǎn)，也不代表本網(wǎng)站對(duì)其真實(shí)性負(fù)責(zé)。您若對(duì)該文章內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與網(wǎng)站(www.krdd.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
