近日，遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室全球農(nóng)情遙感速報(bào)（CropWatch）團(tuán)隊(duì)副研究員張淼、研究員吳炳方等在全球30米耕地復(fù)種指數(shù)遙感監(jiān)測(cè)研究方面取得重要突破，對(duì)外發(fā)布全球首套30米耕地復(fù)種指數(shù)數(shù)據(jù)產(chǎn)品。相關(guān)研究成果《基于多源遙感數(shù)據(jù)的全球30米復(fù)種指數(shù)數(shù)據(jù)（GCI30: a global dataset of 30m cropping intensity using multisource remote sensing imagery）》發(fā)表在地學(xué)頂級(jí)學(xué)術(shù)期刊《Earth System Science Data（地球系統(tǒng)科學(xué)數(shù)據(jù)）》(IF=11.333)，合作者還包括中山大學(xué)副研究員劉沖等。

　　該數(shù)據(jù)產(chǎn)品填補(bǔ)了30米分辨率全球復(fù)種指數(shù)遙感數(shù)據(jù)產(chǎn)品的空白，對(duì)于評(píng)估全球耕地復(fù)種提升潛力、糧食增產(chǎn)潛力、糧食安全預(yù)測(cè)預(yù)警、零饑餓等聯(lián)合國(guó)可持續(xù)發(fā)展目標(biāo)實(shí)現(xiàn)等具有重要意義。

　　耕地作為提供人類賴以生存和發(fā)展所需食物的基礎(chǔ)，其可持續(xù)利用對(duì)于實(shí)現(xiàn)零饑餓目標(biāo)具有重要作用。復(fù)種指數(shù)是描述在同一塊農(nóng)田中一年內(nèi)接連種植幾季作物的指標(biāo)，是衡量耕地資源集約化利用程度的重要指標(biāo)，其準(zhǔn)確監(jiān)測(cè)有助于掌握全球糧食安全狀況。然而，因不同地區(qū)耕地破碎程度差異顯著、利用模式多樣以及受云雨影響，高精度的全球復(fù)種指數(shù)提取面臨巨大挑戰(zhàn)?，F(xiàn)有復(fù)種指數(shù)數(shù)據(jù)產(chǎn)品分辨率較低、不確定性高，難以準(zhǔn)確刻畫高度異質(zhì)和破碎化地區(qū)的真實(shí)情況。

　　該研究團(tuán)隊(duì)以谷歌地球引擎為主要數(shù)據(jù)處理和算法開(kāi)發(fā)平臺(tái)，利用海量多源遙感數(shù)據(jù)，將各年份中高分辨率多源光學(xué)衛(wèi)星數(shù)據(jù)的高質(zhì)量像元進(jìn)行多源數(shù)據(jù)歸一化處理，實(shí)現(xiàn)多源衛(wèi)星有效觀測(cè)數(shù)據(jù)的最大程度利用，輔以微波遙感數(shù)據(jù)，解決多云雨區(qū)數(shù)據(jù)缺失難題；通過(guò)對(duì)作物生育期內(nèi)播種-生長(zhǎng)的轉(zhuǎn)折點(diǎn)、生長(zhǎng)-成熟收獲的轉(zhuǎn)折點(diǎn)的有效探測(cè)，提升算法在不同種植模式下的適應(yīng)性和準(zhǔn)確度。團(tuán)隊(duì)以5°網(wǎng)格為數(shù)據(jù)處理單元，逐個(gè)網(wǎng)格進(jìn)行復(fù)種指數(shù)提取，最終研制出該套30米分辨率耕地復(fù)種指數(shù)數(shù)據(jù)產(chǎn)品。通過(guò)驗(yàn)證該數(shù)據(jù)產(chǎn)品的總體精度高達(dá)92.9%，不僅精度優(yōu)于現(xiàn)有復(fù)種指數(shù)數(shù)據(jù)產(chǎn)品，復(fù)種指數(shù)空間細(xì)節(jié)特征的表征能力也有顯著提升。

　　該數(shù)據(jù)產(chǎn)品顯示，全球81.6%耕地為單季種植模式，復(fù)種主要集中在東亞、東南亞、南亞、南美洲和尼羅河三角洲，75%的三季作物種植模式分布在熱帶地區(qū)。我國(guó)平均復(fù)種指數(shù)在近20年小幅下降約6%，其中南方復(fù)種有所下降，北方復(fù)種指數(shù)總體增加，反映出耕地保護(hù)、鼓勵(lì)休耕和輪作等農(nóng)業(yè)政策在提升耕地可持續(xù)利用方面的積極作用。

　　該項(xiàng)研究得到“全球變化與應(yīng)對(duì)”國(guó)家重點(diǎn)研發(fā)專項(xiàng)、國(guó)際科學(xué)組織聯(lián)盟（ANSO）合作專項(xiàng)、中國(guó)科學(xué)院科學(xué)大數(shù)據(jù)先導(dǎo)專項(xiàng)（CASEarth）、國(guó)家自然科學(xué)基金國(guó)際(地區(qū))合作與交流項(xiàng)目以及廣州市科協(xié)項(xiàng)目等的支持。

全球30米耕地復(fù)種指數(shù)數(shù)據(jù)產(chǎn)品（2016-2018）

　　數(shù)據(jù)下載網(wǎng)址：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/86M4PO 

　　相關(guān)文章：

　　[1]. Zhang, M., Wu, B., Zeng, H., He, G., Liu, C., Tao, S., Zhang, Q., Nabil, M., Tian, F., Bofana, J., Beyene, A. N., Elnashar, A., Yan, N., Wang, Z., and Liu, Y.: GCI30: a global dataset of 30?m cropping intensity using multisource remote sensing imagery, Earth Syst. Sci. Data, 13, 4799–4817, https://doi.org/10.5194/essd-13-4799-2021, 2021.

　　[2]. Zhang, M., Wu, B., Zeng, H., He, G., Liu, C., Nabil, M., Tian, F., Bofana, J., Wang, Z., and Yan, N.: GCI30: Global Cropping Intensity at 30m resolution, V2, Harvard Dataverse, https://doi.org/10.7910/DVN/86M4PO, 2020.

　　[3]. Liu, C., Zhang, Q., Tao, S., Qi, J., Ding, M., Guan, Q., Wu, B., Zhang, M., Nabil, M., and Tian, F.: A new framework to map fine resolution cropping intensity across the globe: Algorithm, validation, and implication, Remote Sens. Environ., 251, 112095, https://doi.org/10.1016/j.rse.2020.112095, 2020.