中国农大新闻网讯 近期，中国农业大学土地科学与技术学院苏伟教授课题组在Nature数据期刊《科学数据》（Scientific Data）、《国际应用地球观测与地球信息杂志》（International Journal of Applied Earth Observation and Geoinformation）上发表了我国东北地区作物分类和秸秆覆盖的一系列论文，研究成果包括自动标注玉米分类产品（2019-2022年）、三大主粮作物分类产品（2013-2021年）和用于黑土地保护研究的秸秆覆盖度监测产品（2013-2021年）。中国农业大学土地科学与技术学院博士研究生李子谦、轩阜、董镱分别为论文第一作者，苏伟教授为通讯作者。

作为中国重要的粮仓，东北对于中国的粮食安全起着至关重要的作用。为了应对粮食需求和土壤保护的挑战，东北已经实行了轮作和以秸秆还田为主的保护性耕作，这些政策的实施也引起了作物种植分布和田间秸秆覆盖度的年际变化，目前已经成为多学科的研究重点和热点。该系列论文以东北地区主粮作物和玉米秸秆还田为研究对象，通过大量实地调查采样和数据分析，生成了区域性作物分类产品和秸秆覆盖度监测产品。该系列成果可用于准确了解我国东北地区作物种植结构和保护性耕作的实施情况，对于落实“藏粮于地、藏粮于技”的国家战略举措、保障国家粮食和耕地安全具有重要意义。

1. 作物标签自动标注和全覆盖制图方法。课题组提出了一种利用全球生态动态调查（GEDI）数据和Sentinel-2影像实现作物标签的自动标注和全覆盖制图的方法。利用GEDI波形数据量化玉米和其他作物在高度和冠层垂直结构上的差异，构建基于已有作物类型产品和历史年份的转移模型进而自动标注；优选Sentinel-2影像的光谱特征和GEDI标签进行全覆盖的玉米制图。该方法应用于我国东北地区2019-2022年的玉米制图。制图产品精度验证结果显示：研究方法具有高精度和鲁棒性，与官方统计数据和已发布的制图结果的相关系数分别达到0.96和0.98 (图1)。这些结果证明了GEDI数据在自动标注高度差异的植被方面的潜力，为高效的作物制图提供了一种新的方法。

该成果以《利用GEDI数据和Sentinel-2影像实现自动标注和全覆盖玉米制图》 (Performance of GEDI data combined with Sentinel-2 images for automatic labelling of wall-to-wall corn mapping)为题发表在遥感领域著名期刊《国际应用地球观测与地球信息杂志》（International Journal of Applied Earth Observation and Geoinformation, https://doi.org/10.1016/j.jag.2023.103643）（图3）。

图1.玉米分类结果与县域统计数据对比分析

图2.玉米分类结果与Google Earth Pro图像和Sentinel-2多光谱图像比较

图3.自动标注玉米分类产品发表文章截图

2. 2013-2021年三大主粮作物分类产品。为了更好的在大区域尺度对作物种植类型进行精确、高效的时序监测，课题组提出了基于六边形策略和分块分类的自动样本采样的随机森林分类方法。以时序Landsat-8影像为数据源，开展了东北地区2013-2021年长时序主粮作物分类（水稻、玉米、大豆）。与官方统计数据对比，水稻、玉米和大豆的分类面积与市级统计数据的R2分别为0.72∼0.99、0.88∼0.97和0.76∼0.93 (图4)，具有较高的一致性和分类精度。该成果可为粮食安全和区域农业生产管理提供长时间序列的、可靠的期作物地图数据集。该成果以《基于自动采样策略和分块分类的东北地区2013-2021年作物制图》（Mapping crop type in Northeast China during 2013–2021 using automatic sampling and tile-based image classification）”为题发表在遥感领域著名期刊《国际应用地球观测与地球信息杂志》（International Journal of Applied Earth Observation and Geoinformation, https://doi.org/10.1016/j.jag.2022.103178）（图6）。

图4.分类面积与官方统计数据对比分析

图5.2013年至2021年东北三大主粮作物制图

图6.三大主粮作物分类产品发表文章截图

3. 2013-2021年秸秆覆盖度产品。作物秸秆覆盖在保护黑土地方面发挥着关键作用，它在非种植季节覆盖土壤、减轻风蚀、增加土壤有机质。课题组研发了中国东北地区2013-2021 年玉米秸秆覆盖（CRC）数据集，每年进行收获后和播种前两期制图。以实测秸秆覆盖度数据验证，估算的CRC与实测的CRC之间的R2为0.7304 （图7），均方根误差为0.1247，表明估算结果具有很高的准确性。此外，它还是首个提供最长时间序列的同类产品，增强了其在长期监测和区域分析中的重要性。该成果以《中国东北地区2013至2021年30米玉米秸秆覆盖度数据集》（A 30-m annual corn residue coverage dataset from 2013 to 2021 in Northeast China）为题发表在Nature数据期刊《科学数据》（Scientific Data, https://doi.org/10.1038/s41597-024-02998-7）（图9）。

图7.估测CRC与实测CRC精度验证

图8.2013-2021年东北地区收获前(a)和播种前(b)平均CRC的空间分布

图9.秸秆覆盖度监测产品发表文章截图

该系列成果由国家自然科学基金（42171331）和中国农业大学2115人才工程资助。