水稻作为全球重要的粮食作物之一，在保障粮食安全和促进农村经济发展中发挥着关键作用。因此，准确及时的水稻制图对相关政策制定至关重要，以应对人为、环境和气候变化带来的挑战。与传统田间调查相比，卫星遥感在水稻制图和监测方面具有大面积覆盖、及时监测和低成本等独特优势，已成为水稻监测制图的主要技术手段。目前，水稻遥感制图方法主要有三种，基于分类器、基于物候和基于指数方法。基于分类器的方法是最常用的，但这些数据驱动的分类器通常难以提取深层特征。基于指数的方法结合多个光谱波段，以突出目标类别与其他类别之间的差异，广泛用于作物制图和监测。然而，由于水稻的高时间和空间变异性，在不同种植区域确定普遍阈值以实现准确制图非常具有挑战性。此外，由于水稻时空特征的复杂性，目前很难针对水稻研发适用性广泛的遥感指数。

图1 不同地物光谱分布图及不同光谱波段组合的遥感影像图

针对以上科学难题，中国科学院东北地理所李华朋副研究员带领团队，首次研发了一种全新的方法，命名为RiceTColour，旨在基于水稻在移栽期间的独特光谱特征开展水稻遥感制图。通过分析水稻和其他土地覆盖在可见光、近红外和短波红外波段的光谱分布特征，首次发现水稻在移栽期近红外和短波红外反射率值低于其他地物类型（除水体）的独特特征；进而，使用短波红外、近红外和红色波段组合，水稻田在遥感影像上呈现独特的颜色。

图2 研发的RiceTColour技术路线及水稻遥感制图结果

基于水稻该独特光谱特征，提出了一种全新的方法RiceTColour。该方法的主要思想是通过分析水稻及其他土地覆盖物的训练样本在CIE色彩空间中的空间分布模式，建立分类标准以区分水稻与其他土地覆盖类型。CIE色彩空间的最大优势在于，它能够将由传统三刺激值（RGB：红、绿和蓝）组成的任何颜色转换到量化的二维（2D）色彩空间，从而完成水稻分类边界的构建。

选择了我国五个典型的水稻种植区，在不同的环境条件下，全面测试所开发的RiceTColour水稻制图方法的有效性和普遍性。这些区域在气候、水稻种植强度、灌溉方式以及作物轮作等方面存在显著差异。实验结果表明，RiceTColour方法在所有五个地点相比基准方法始终取得了最准确和均衡的分类制图结果。RiceTColour在训练地点（S1）中表现相对稳定，整体制图准确率超过95%，在四个测试地点（S2至S5）中也取得了令人鼓舞的精度（>95%）。在各个水稻种植区域高效且稳定的水稻制图结果表明，所提出的无参数且高效的RiceTColour方法具有强大的推广能力。

该研究成果于近期发表在遥感顶级期刊Remote Sensing of Environment上（国际顶级C刊，IF: 11.1），论文工作主要由地理信息系统学科组李华朋副研究员（第一作者及通讯作者）完成，合作研究人员包括布里斯托大学张策助理教授及兰卡斯特大学Peter Atkinson教授等。这是课题组继2023年GWCCI大豆制图方法工作之后，在RSE发表的又一项农作物分类识别方法论文。该研究得到国家重点研发计划项目（2021YFD1500100）、中国科学院战略性先导科技专项项目（XDA28070500）等项目共同资助。

论文信息：

Huapeng Li*, Jujian Huang, Ce Zhang, Xiangyu Ning, Shuqing Zhang, Peter M. Atkinson. An efficient and generalisable approach for mapping paddy rice fields based on their unique spectra during the transplanting period leveraging the CIE colour space. Remote Sensing of Environment, 2024, DOI:10.1016/j.rse.2024.114381

论文链接：

https://www.sciencedirect.com/science/article/abs/pii/S0034425724004073

GWCCI论文信息：

Hui Chen, Huapeng Li*, Zhao Liu, Ce Zhang, Shuqing Zhang*, Peter M. Atkinson. A novel Greenness and Water Content Composite Index (GWCCI) for soybean mapping from single remotely sensed multispectral images. Remote Sensing of Environment, 2023, DOI: 10.1016/j.rse.2023.113679