遙感科學國家重點實驗室發布全球首套30米耕地復種指數數據產品

　　近日，遙感科學國家重點實驗室全球農情遙感速報（CropWatch）團隊副研究員張淼、研究員吳炳方等在全球30米耕地復種指數遙感監測研究方面取得重要突破，對外發布全球首套30米耕地復種指數數據產品。相關研究成果《基于多源遙感數據的全球30米復種指數數據（GCI30: a global dataset of 30m cropping intensity using multisource remote sensing imagery）》發表在地學頂級學術期刊《Earth System Science Data（地球系統科學數據）》(IF=11.333)，合作者還包括中山大學副研究員劉沖等。

　　該數據產品填補了30米分辨率全球復種指數遙感數據產品的空白，對于評估全球耕地復種提升潛力、糧食增產潛力、糧食安全預測預警、零饑餓等聯合國可持續發展目標實現等具有重要意義。

　　耕地作為提供人類賴以生存和發展所需食物的基礎，其可持續利用對于實現零饑餓目標具有重要作用。復種指數是描述在同一塊農田中一年內接連種植幾季作物的指標，是衡量耕地資源集約化利用程度的重要指標，其準確監測有助于掌握全球糧食安全狀況。然而，因不同地區耕地破碎程度差異顯著、利用模式多樣以及受云雨影響，高精度的全球復種指數提取面臨巨大挑戰?，F有復種指數數據產品分辨率較低、不確定性高，難以準確刻畫高度異質和破碎化地區的真實情況。

　　該研究團隊以谷歌地球引擎為主要數據處理和算法開發平臺，利用海量多源遙感數據，將各年份中高分辨率多源光學衛星數據的高質量像元進行多源數據歸一化處理，實現多源衛星有效觀測數據的最大程度利用，輔以微波遙感數據，解決多云雨區數據缺失難題；通過對作物生育期內播種-生長的轉折點、生長-成熟收獲的轉折點的有效探測，提升算法在不同種植模式下的適應性和準確度。團隊以5°網格為數據處理單元，逐個網格進行復種指數提取，最終研制出該套30米分辨率耕地復種指數數據產品。通過驗證該數據產品的總體精度高達92.9%，不僅精度優于現有復種指數數據產品，復種指數空間細節特征的表征能力也有顯著提升。

　　該數據產品顯示，全球81.6%耕地為單季種植模式，復種主要集中在東亞、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。我國平均復種指數在近20年小幅下降約6%，其中南方復種有所下降，北方復種指數總體增加，反映出耕地保護、鼓勵休耕和輪作等農業政策在提升耕地可持續利用方面的積極作用。

　　該項研究得到“全球變化與應對”國家重點研發專項、國際科學組織聯盟（ANSO）合作專項、中國科學院科學大數據先導專項（CASEarth）、國家自然科學基金國際(地區)合作與交流項目以及廣州市科協項目等的支持。

全球30米耕地復種指數數據產品（2016-2018）

　　數據下載網址：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/86M4PO 

　　相關文章：

　　[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.