东南亚水稻种植强度高分辨率地图：提升粮食安全与甲烷排放估算精度的关键突破

本研究针对东南亚地区水稻种植面积数据缺失与精度不足的问题，开发了基于Sentinel-1/2卫星数据的LUCK-PALM算法，首次绘制了10米分辨率的东南亚水稻种植强度地图（Open-SEA-Rice-10）。该成果通过融合雷达与光学遥感技术，实现了98.3%的总体分类精度（kappa=0.870），准确量化了单季、双季和三季稻的时空分布，为区域粮食安全管理和温室气体核算提供了高精度空间基准。

　　

在热带季风气候的东南亚，水稻不仅是养活6.5亿人口的主粮，更是贡献全球29%水稻甲烷排放的"隐形推手"。然而，这片占世界产量20%的稻作区长期面临数据困境：传统统计滞后数年且空间粗糙，现有遥感产品要么分辨率不足（如500米），要么仅识别种植范围而忽略多季种植特征。这种数据缺口严重制约着精准农业政策制定和温室气体核算——要知道，同一块田一年收三次稻谷的碳排放量可是单季田的三倍！

来自马来西亚理工大学（Universiti Teknologi Malaysia）的Frisa Irawan Ginting团队在《Scientific Data》发表突破性研究。研究人员创新性地提出LUCK-PALM（局部无监督分类与物候标记）方法，通过整合2020-2021年间31,711景Sentinel-1 SAR数据和208,197景Sentinel-2光学数据，结合网格化K-means聚类与专家物候判读，首次实现了东南亚全域10米分辨率的水稻种植强度制图。关键技术包括：1）利用Sentinel-1 VH极化数据穿透云层监测水稻物候；2）构建NDVI（归一化植被指数）和MNDWI（改进归一化水体指数）时间序列识别生长季；3）采用2°×2°网格划分适应区域种植日历差异；4）基于58,885个验证点进行精度评估。

【研究结果】

1. 精度验证：

   像素级验证显示总体精度达98.3%（F1=0.879），其中马来西亚分类最优（OA=99.7%），泰国最低（96%）。与FAOSTAT统计相比，全区域42,992×10³公顷的收获面积估算误差仅4.3%。

2. 空间格局：

   东南亚水稻总种植面积28,578×10³公顷中，双季稻占比最高（如越南湄公河三角洲），三季稻集中在灌溉条件优越区（如印尼爪哇岛）。与现有产品NESEA-Rice10相比，本研究在泰国东北部等雨养稻区多识别出84%的种植面积。

3. 技术优势：

   LUCK-PALM成功解决了混合像元难题——通过图11展示的典型案例可见，该方法能有效区分水稻与园艺作物混作区（图11b），以及田埂道路等干扰地物（图11a）。

【结论意义】

这项研究创建的Open-SEA-Rice-10数据集（Zenodo公开获取）标志着三大突破：1）首次实现种植强度而非单纯种植范围的精准量化；2）建立10米分辨率新标准，较原有产品提升50倍空间精度；3）开发的可扩展框架适用于多云热带地区。正如作者强调，该成果已被Climate TRACE用于甲烷排放核算，未来在优化灌溉调度、产量预测等领域具有广阔应用前景。值得注意的是，研究也揭示了现有ESA WorldCover数据在稻田识别中的误差（如将部分水稻误标为草本湿地），为全球土地覆盖产品改进提供了重要参考。