碳中和数据中心袁文平研究团队发布2016-2020年中国玉米/甘蔗、欧洲冬季谷物、巴西甘蔗分布数据集

发布人：高级管理员 发布日期：2022-11-03

 

一、2016-2020年中国玉米种植分布数据集

 

      中国作为世界第二大玉米生产国， 其2018年的玉米产量占全球玉米产量的22.42%，达到了2573万吨。尽管如此重要，目前国内仍缺乏高空间分辨率的中国玉米种植分布图。中国的作物种植类型具有高度的异质性，农民可以自由选择种植的作物。所以，研制高空间分辨率的玉米种植分布图在中国尤为重要。

图1.2016–2020年全国22省玉米种植图

 

 

      研究团队基于作物物侯方法，利用Landsat与Sentinel-2反射率产品生成植被指数（NDVI），经去云、插值、滤波处理后，通过随机抽选玉米调查样点构建各省份的标准NDVI时序曲线，使用基于时间加权的动态时间规划算法（time-weighted dynamic time warping，TWDTW）逐像元计算NDVI时间序列与标准曲线的差异，并进一步根据省级统计面积确定差异阈值，按照差异阈值识别玉米像元，最终生成了2016-2020年全国22省份30米分辨率的玉米种植分布图。验证表明，该数据集的平均总精度为79.13%，平均用户精度与生产者精度分别为81.59%、76.15%，不同省份的数据精度体现出一定的差异性。数据集与县级农业统计数据之间呈现出较强的相关性。

 

【文章链接】https://doi.org/10.34133/2022/9846712

【数据链接】http://www.nesdc.org.cn/sdo/detail?id=636203977e2817422596ef65

【论文信息】Ruoque Shen, Jie Dong, Wenping Yuan, Wei Han, Tao Ye, Wenzhi Zhao, A 30 m Resolution Distribution Map of Maize for China Based on Landsat and Sentinel Images, Journal of Remote Sensing, vol. 2022, Article ID 9846712, 12 pages, 2022.

 

二、2016-2020年欧洲冬季谷物种植分布数据集

      

       冬季谷物（包括小麦、黑麦、大麦和黑小麦等）是重要的粮食作物，根据2020年统计数据，欧洲冬季谷物的种植面积和产量占全球总量的12.57%。及时准确的冬季谷物图对于粮食安全评估、粮食生产管理和产量预测至关重要。

图2. 2018年欧洲32国冬季谷物分布图

 

 

       研究团队首先利用Sentinel-1 A / B的合成孔径雷达数据，区分了油菜籽和冬季谷物。然后基于TWDTW算法，通过比较Landsat和Sentinel-2植被指数（NDVI）中季节变化的相似性，把冬季谷物与其他作物区分开来。在此基础上生成了 2016-2020 年的欧洲冬季谷物分布图，覆盖欧洲32个国家，空间分辨率为30米。验证表明，数据集的生产者和用户平均精度分别为91%±7.8%和89%±10.3%。

 

【文章链接】https://doi.org/10.3390/rs14092120

【数据链接】http://www.nesdc.org.cn/sdo/detail?id=636203977e2817422596ef66

【论文信息】Huang X, Fu Y, Wang J, Dong J, Zheng Y, Pan B, Skakun S, Yuan W. High-Resolution Mapping of Winter Cereals in Europe by Time Series Landsat and Sentinel Images for 2016–2020. Remote Sensing. 2022; 14(9):2120. 

 

三、2016-2019年巴西甘蔗种植分布数据集

 

      甘蔗作为糖的最重要原料，其种植面积在近些年迅速扩张，占用了其他作物、牧场和森林的空间。巴西是世界上最大的甘蔗生产国。2019年，其甘蔗产量约占世界总产量的38.6%，但其多样化的物侯和长跨度的收获季，增加了精准划定甘蔗种植区域的难度。

图片
图3. 2018年巴西14州甘蔗种植分布图

 

 

      研究团队基于物候方法，将多种物候因素纳入TWDTW算法，使用 Landsat-7、Landsat-8 和 Sentinel-2 卫星数据，生成了2016-2019 年巴西 14 个州（超过 98% 的甘蔗收获面积）30米空间分辨率甘蔗分布图。验证表明，数据集的用户、生产者和整体精度分别为94.35%、87.04%和91.47%，数据与相关的农业统计数据也呈现出良好的相关性。

 

【文章链接】https://doi.org/10.5194/essd-14-2065-2022

【数据链接】http://www.nesdc.org.cn/sdo/detail?id=636203977e2817422596ef67

【论文信息】Zheng, Y., dos Santos Luciano, A. C., Dong, J., and Yuan, W.: High-resolution map of sugarcane cultivation in Brazil using a phenology-based method, Earth Syst. Sci. Data, 14, 2065–2080, 2022.

 

四、2016-2020年中国甘蔗种植分布数据集

 

      中国是世界第三或第四大甘蔗生产国，但据我们所知，尚缺乏全国范围的甘蔗种植分布数据。研究团队开发了一种基于物候的方法（TWDTW），使用来自谷歌地球引擎（GEE）平台的Landsat和Sentinel-1/2的时间序列图像，对2016-2020年中国的甘蔗种植区域进行识别。

 

图4. 基于SR反演生成的2019年中国4省甘蔗种植分布图

 

 

      研究验证表明，基于地表反射率（SR）和大气表观反射率（TOA）生成的数据集的总体精度分别可以达到93.47%和92.74%，且与相关农业统计数据吻合较好。由于GEE平台2016–2018 年SR数据可用性问题，研究团队最终使用TOA数据生成了2016-2020年中国广东、广西、海南、云南4个甘蔗主产省份30米分辨率的甘蔗种植分布图。该数据集可用于甘蔗种植分布监测和产量预测，为甘蔗的可持续生产和国家粮食安全提供数据支撑。

 

【文章链接】https://doi.org/10.3390/rs14051274

【数据链接】http://www.nesdc.org.cn/sdo/detail?id=636203977e2817422596ef68

【论文信息】Zheng, Y .; Li, Z.; Pan, B.; Lin, S.; Dong, J.; Li, X.; Yuan, W. Development of a Phenology-Based Method for Identifying Sugarcane Plantation Areas in China Using High-Resolution Satellite Datasets. Remote Sens. 2022, 14, 1274.