生态学杂志 ›› 2026, Vol. 45 ›› Issue (11): 3841-3854.doi: 10.13292/j.1000-4890.202611.017
冯雪1,2,3,徐源1,2,3,杨会巾1,2,3*,李宁1,2,3,赵建辉1,2,3,吴文福1,2,3
FENG Xue1,2,3, XU Yuan1,2,3, YANG Huijin1,2,3*, LI Ning1,2,3, ZHAO Jianhui1,2,3, WU Wenfu1,2,3
摘要: 大区域水稻种植面积提取对保障国家粮食安全和可持续发展具有重要意义。针对年际农作物轮作导致历史样本标签不匹配问题和产品精度限制带来的水稻样本噪声,提出一种遥感产品辅助样本自动解译方法(RSPASI),结合机器学习完成水稻种植面积快速提取。该方法以现有水稻产品生成候选样本,基于目标年份Sentinel-1垂直发射/水平接收(VH)极化后向散射系数时序,通过迭代自组织数据分析技术(ISODATA)聚类候选水稻样本,并结合数量筛选和方差约束完成样本净化,实现历史样本标签向目标年份的迁移;随后,融合Sentinel-1和Sentinel-2时序特征,分别构建RSPASI-RF、RSPASI-SVM和RSPASI-KNN模型,实现黑龙江、广东和湖南3个不同水稻种植模式区的水稻种植面积快速提取。结果表明,时序VH后向散射特征在3个研究区的重要性均居首位,贡献占比分别为48.09%、55.30%和74.39%。RSPASI-RF在3个研究区均获得最高分类精度,其总体精度(OA)分别为96.53%、93.61%和95.24%,Kappa系数分别为0.882、0.845和0.905;其中,在种植景观较复杂的湖南研究区,其OA较RSPASI-SVM和RSPASI-KNN分别提高2.58%和9.95%。产品对比结果显示,RSPASI-RF在黑龙江研究区的OA较You-RiceMap和Shen-RiceMap分别提高1.24%和5.14%,在广东研究区的OA和Kappa系数较Pan-RiceMap分别提高5.62%和0.177。研究表明,样本数量与时序方差联合约束能够提高历史产品样本的置信度,RSPASI-RF可适用于不同水稻种植模式区域的高精度制图,为遥感辅助的大区域水稻种植面积快速提取提供了新的技术方案。