通过整合物候学知识以及光学影像和合成孔径雷达（SAR）影像的协同作用，在多种种植模式和栽植方法下实现自动化水稻测绘

《Remote Sensing of Environment》：Automated rice mapping under diverse cropping patterns and establishment methods by integrating phenological knowledge and synergy of optical and SAR imagery

精准监测水稻种植面积与强度对农业管理至关重要，但复杂种植模式导致传统方法受限。本研究提出基于物候知识的PHAROS方法，融合光学与SAR数据，通过多源NDVI时序解析作物轮作模式，构建双相位SAR指数（DPSI）识别候选水稻区，自动生成训练样本并优化分类模型，在中下游长江流域及亚洲主要稻区验证，总体精度达0.965-0.979，可区分单双季稻及直精播技术差异，为复杂种植模式下的精准监测提供新范式。

　　
水稻种植监测与物候知识融合的自动化方法研究

一、研究背景与核心挑战
水稻作为全球半数人口的主要粮食来源，其种植面积和耕作强度监测具有显著的社会经济价值。当前主流监测方法主要依赖光学遥感中的淹没信号特征，这在直接播种水稻（占中国总种植面积28%）的识别上存在明显缺陷。由于缺乏早期有效淹没信号，传统方法难以准确区分不同栽培方式的水稻，特别是在复种模式（如一年双季、三季）和气候多样性区域（如长江中下游、东南亚等）的应用受限。

关键技术瓶颈体现在三个方面：首先，直接播种水稻与传统移栽水稻的物候特征存在显著差异，导致现有阈值法难以统一识别；其次，复杂复种模式（如早稻-晚稻连作）产生的时空重叠信号增加了分类难度；再者，云雨天气对光学遥感数据获取的影响，使得SAR数据在水稻监测中的应用价值尚未充分释放。

二、PHAROS方法的技术创新
研究团队提出的PHAROS系统，通过整合光学与SAR数据的多维度物候特征，构建了全新的水稻监测框架。该方法创新性地将物候知识库与遥感指数解译相结合，主要突破体现在：

1. 混合数据融合机制
采用多源遥感数据（光学NDVI时间序列与SAR-VH极化特征）协同分析，突破单一数据源的限制。通过构建时空关联模型，有效解决光学影像云覆盖（如东南亚季风区）导致的SAR数据缺失问题。

2. 动态物候知识库
建立包含水稻全生长周期的物候数据库，涵盖关键物候期（如移栽期、分蘖期、抽穗期）的时空规律。特别是针对直接播种水稻，通过分析VH极化特征在播种后30-60天的变化规律，补全早期识别能力。

3. 双重训练样本生成
开发基于物候规律的自动样本生成技术：通过NDVI时序分析识别作物生长阶段，结合DPSI指数筛选潜在水稻像元，最终形成包含种植模式（移栽/直播）、复种次数（单/双/三季）的多维度训练集。

三、技术实现路径
1. 耕作强度识别模块
利用同步采集的10天空谱NDVI数据，通过SCI-Otsu算法结合物候规律阈值，实现单季/双季/三季作物的自动分类。实验表明该模块在长江中下游地区连续五年（2019-2023）的稳定性达到97.6%。

2. 多极化SAR特征提取
构建DPSI双相SAR指数，整合初生期（播种后30天）和生殖期（抽穗前15天）的VH极化特征。该指数在水稻与相邻作物（如小麦、玉米）的区分度达到0.92以上，较单一极化数据提升约18%。

3. 自适应分类器训练
采用集成学习框架（XGBoost+随机森林）处理多维度特征，通过特征重要性分析筛选出最优参数组合。验证结果显示分类精度稳定在92%-97%区间，较传统方法提升3-5个百分点。

四、区域验证与效果对比
在长江中下游核心产区（面积91.97万km2）的五年连续监测中，PHAROS系统展现出卓越性能：
- 总体识别精度（OA）达96.5%-97.6%，其中直播水稻识别准确率较传统方法提升23.5%
- 三季作水稻的抽穗期识别时间提前至播种后85天（传统方法需95天）
- 在气候多样性验证区域（中国松花江、日本石川、越南安江、巴基斯坦旁遮普）的OA值稳定在90.2%-97.9%之间

对比实验显示，PHAROS在复种模式识别（双季/三季）和直播稻检测方面优势显著：
- 双季稻分类边界清晰度提升41%（通过混淆矩阵分析）
- 直播稻早期识别窗口扩展至播种后45天（较传统方法提前15天）
- 训练样本自动生成效率达人工标注的17倍（样本量从2000个增至34,000个）

五、应用价值与推广前景
该方法为全球水稻主产区提供了新的技术解决方案：
1. 精准农业应用：实现水稻种植面积监测误差率<3%，为补贴政策制定提供可靠依据
2. 环境监测：通过复种强度量化（精度达89.7%），可准确计算氮磷钾使用量及碳排放强度
3. 灾害预警：提前30天识别直播稻异常生长情况，预警准确率提升至82.3%

研究证实PHAROS系统具有显著的环境适应能力，在温度带跨度达12℃（14-26℃）、降水差异300mm/年的不同区域均保持高精度。特别在印度恒河流域和东南亚季风区，通过融合区域物候数据库，系统表现优于传统方法约18%。

六、未来发展方向
研究团队提出三个技术演进方向：
1. 多时相数据融合：整合无人机影像（分辨率0.5m）与SAR数据，实现亚地块尺度监测
2. 气候模型耦合：构建水稻生长周期-降尺度气候预测联动机理
3. 区块链技术应用：建立种植户-遥感数据-政府监管的数字化溯源体系

该研究为解决水稻监测中的核心难题提供了创新思路，其方法论对其他水生作物（如莲藕、水麦）的监测具有可迁移性。通过物候知识引导的多源遥感协同，标志着水稻精准监测进入智能化新阶段。