近日，中国科学院合肥物质院安光所光学遥感研究中心遥感信息表征技术研究室团队利用水稻年际物候学特征以及相关物候阶段的植被指数特征提取，通过机器学习分类算法对安徽省水稻种植面积进行提取并制图。
相关成果发表在国际知名期刊Agriculture上，王则灵博士为论文的第一作者，孙晓兵研究员为论文的通信作者。
植被的物候学特征用于展示植被生长状况与对应光谱指数的变化规律，在植被遥感提取和分类中具有重要的作用。团队使用sentinel-2卫星多光谱影像，通过对先验水稻种植地块年际物候规律提取以及对应阶段植被指数变化分析，进行了水稻生长阶段物候特征及代表性植被指数分配。团队通过自动化样本的拓展方式进行了水稻种植样本的拓展与筛选，最后结合机器学习分类算法进行安徽水稻种植区域的提取，并生成最终的安徽省水稻种植分布图。
研究人员通过混淆矩阵，安徽省统计年鉴，以及已有的水稻分类产品对水稻种植分类结果进行了验证。在安徽省主产区的统计年鉴种植面积比对中，该方法的误差控制在10%以内。同时在已有的同分辨率水稻分类产品对比中，提出的方法展现出了更好的分类细节和精度。
该研究得到了航空科技创新应用研究项目、中国科学院重点实验室基金项目、中国高分辨率对地观测专项以及中国资源卫星数据与应用中心项目资助。
论文链接：https://doi.org/10.3390/agriculture14081282
