美国大豆种植区遥感动态制图方法研究

Aiming for better accuracy of soybeans mapping, a three layer mapping approach is proposed. Taken the United States as a study area, this approach utilizes multi-source datasets e.g. 30 meter TM/ETM+, 250 meter MODIS time series, and bioclimatic datasets to map soybeans by three steps: decision tree based cropland mask mapping, phenology based summer cropland mask mapping and soybeans mapping using random forest algorithm. In soybeans mapping, a dynamically mapping methods will be developed to use 16-day interval MODIS imagery in a progressive way for soybean harvest area estimation. The accuracies and error envelope for three periods including (1) normal timing (2-3 months after harvest), (2) early estimation (1-2 months prior to harvest), (3) foresting (4-5 months prior to harvest) will be analyzed. Through the study on accuracy and uncertainty of mapping soybeans in the United States, we explore ways to improve the accuracy of large scale crop type mapping. A feature of this research is that the use of publicly available and global coverage datasets for country-level 30 meter resolution cropland mask mapping, and use extra reliable datasets from aimed region for crop type mapping. Outcomes of this study serve for multiple purposes: (1) help to global scale cropland mask mapping and crop type mapping for regions with detailed crop maps or samples; (2) improving the understanding of the key features for US soybeans mapping; (3) providing decision support to China's soybean imports.

以美国大豆种植区为研究区域，综合利用包括30米TM/ETM+数据、250米MODIS时间序列数据、生物气候数据等在内的多源数据，采用基于决策树的农地模板制图、基于物候特征的夏季作物模板制图、基于随机森林的大豆制图三层制图方法研究来优化大豆种植范围的制图精度。使用逐16日获得的MODIS数据，开发动态大豆制图方法，分析大豆面积估算的三个时期即正常期（收获后的2-3个月）、早期估算期（收获前的1-2个月）、预报期（收获前的4-5个月）的识别精度及其误差范围。通过对制图误差和不确定性分布的理解，探索提高大尺度单一作物制图精度的途径。本研究的特色在于采用可公开获取的全球数据面向国家尺度进行30米分辨率自动遥感农地模板制图，并利用研究区的可靠数据源开展作物制图。研究成果可直接服务于全球农地模板制图和资料丰富国家的作物尺度制图，提高对农地和美国大豆制图关键特征的理解，可为我国大豆进口贸易提供决策支持。

本研究基于卫星遥感数据和相关辅助数据，开展及时、客观以及空间显式的全球农地制图和美洲大豆制图方法研究。本项目的主要研究成果包括：（1）开展了全球农地制图文献综述工作，构建了空间化文献数据库；（2）采用30米分辨率TM/ETM+数据、250米分辨率MODIS时间序列数据、生物气候数据等在内的多源数据，研制了农地模板制图并分析了尺度与农地面积估算的关系；（3）然后基于物候特征和基于随机森林的大豆制图获得优化大豆种植范围的制图精度。本研究的特色在于采用可公开获取的全球数据面向国家尺度进行30米分辨率自动遥感农地模板制图，并利用研究区的可靠数据源开展作物制图。本研究成果可直接服务于全球农地模板制图和资料丰富国家的作物尺度制图，提高对农地和美国大豆制图关键特征的理解，又可为我国大豆进口贸易提供决策支持。