近日，華中師範大學都市與環境科學學院胡瓊老師與中國農業科學院、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合作的研究成果“Integrating coarse-resolution images and agricultural statistics to generate sub-pixel crop type maps and reconciled area estimates”發表在國際頂級遙感學術期刊《Remote Sensing of Environment》（影響因數9.09）。該研究提出了遙感數據和統計資料協同的農作物空間分佈製圖的新方法。
農作物空間分佈圖是科學掌握區域農業生產狀況、優化農業資源配寘利用、調整農作物種植結構的重要基礎。中低空間分辯率遙感數據是區域農作物空間分佈製圖廣泛使用的資料來源，其具有觀測幅寬大、譜段多和時頻高等特點，可以較好刻畫複雜種植結構下農作物的生長發育物候特徵。然而，其較粗的空間分辯率常帶來混合像元問題，限制了農作物空間分佈製圖精度。農作物統計資料雖難以刻畫農作物詳細的空間分佈資訊，但在作物類型和數量特徵描述，以及時間連續性表達等方面具有獨特優勢。已有的研究多是將統計資料作為外部參攷數據，應用於遙感製圖結果驗證和精度評估，統計資料沒有參與到遙感製圖的關鍵環節中，並沒有實現遙感數據和統計資料的真正協同。
針對這一問題，該研究從充分挖掘遙感影像和農業統計資料的優勢出發，聯合提出了協同這兩類數據的農作物亞點數製圖新方法。該方法首先基於隨機森林回歸模型，提出了“向後特徵剔除法”，自動篩選出作物識別的最佳光譜-時相特徵組合，提高作物豐度遙感估算精度；其次，引入作物面積統計資料，計算遙感分類結果與統計資料的面積差，提出了面積差空間反覆運算分配新方法（IAGSA），進行面積差空間像元合理分配，實現遙感分類的作物豐度結果優化。結果表明：基於時序MODIS生成的亞點數作物分佈圖與中高分辯率參攷圖的空間一致性達0.75；利用IAGSA優化得到的農作物亞點數製圖結果，不僅在數量上與統計資料的一致性顯著提升，也保留了遙感製圖結果的空間分佈特徵。該方法充分挖掘了遙感數據和統計資料協同利用的優勢，一方面提升了中低分辯率遙感數據作物空間分佈製圖的精度，可為我國大區域“作物一張圖”研製提供新支撐；另一方面豐富和發展了遙感資料來源和非遙感資料來源融合的科技方法，可為多源數據的協同融合提供新參攷。
華中師範大學都市與環境科學學院胡瓊老師為論文第一作者，該研究得到國家自然科學基金專案、國家重點研發計畫項目、中央高校基本業務項目的共同資助。
論文連結：
https://www.sciencedirect.com/science/article/pii/S0034425721000833
Qiong Hu，He Yin，Mark A. Friedl，Liangzhi You，Zhaoliang Li，Huajun Tang and Wenbin Wu*.Integrating coarse-resolution images and agricultural statistics to generate sub-pixel crop type maps and reconciled area estimates [J].Remote Sensing of Environment，2021，258，112365.
圖1.協同MODIS時序影像與統計資料生產的黑龍江省農作物分佈圖.圖（a）表示採用縣級統計資料和面積差空間反覆運算（IAGSA）方法修正的農作物豐度圖.圖（b）表示統計資料修正前和修正後的農作物豐度變化圖及變化統計量.