天然橡胶（Hevea brasiliensis）是一种有价值的经济作物和出口商品，其种植面积在过去三十年中迅速扩大，尤其是在东南亚（SEA）（Wang和Zhang，2025）。在SEA，从1993年到2016年，大约有410万公顷的天然森林被转换为橡胶种植园，其中许多位于生物多样性热点地区（Wang等人，2023）。虽然这种扩张促进了区域经济增长并改善了小农户的生活，但也引发了严重的生态环境问题，包括森林砍伐、生物多样性丧失、碳封存减少（Grass等人，2020）以及水文平衡问题（Fox等人，2014；Ziegler等人，2009）。因此，迫切需要可靠的监测方法来生成高分辨率的橡胶种植园地图。同时，一些国际框架（如欧盟森林砍伐法规（EUDR）直接针对由单一作物种植园扩张引起的森林砍伐问题，对新型和可扩展的遥感技术提出了越来越高的需求，以监测空间上准确且最新的信息（Azizan等人，2021b；Ye等人，2018；Yue和Xiao，2025）。
到目前为止，大多数现有的橡胶种植园遥感映射方法都依赖于物候特征（Kou等人，2015；Chen等人，2018；Xiao等人，2020a）。与常绿热带森林相比，橡胶树表现出明显的季节性落叶行为，在植被指数（如NDVI和RESI）中产生了特征性的时间变化（Abd Razak等人，2018；Fan等人，2015；Xiao等人，2020a）。这些物候差异已被广泛用于分类（Chen等人，2016；Xiao等人，2020b）。早期基于MODIS和Landsat图像的研究使用了最大值合成、归一化差异指数和时间差分等技术来描述区域尺度的橡胶季节性（Chen等人，2018；Li和Fox，2012）。随着高分辨率传感器（如Sentinel-2）和Google Earth Engine平台的出现，基于物候的映射的准确性和自动化水平显著提高，使用了样条拟合和随机森林等模型（Liu等人，2020；Shen等人，2023；Zhai等人，2024）。这些方法在物候稳定的地区（如中国西南部的西双版纳、越南中南部和泰国北部）取得了相当大的成功（B. Chen等人，2025a；Dong等人，2012；Xiao等人，2021）。然而，在许多热带环境中，基于物候的方法仍面临重大限制（Yue和Xiao，2025）。
重要的是，橡胶种植园在纬度、海拔和气候梯度上表现出多样的物候行为或不一致性（Azizan等人，2022）。例如，在印度尼西亚和马来西亚南部等赤道地区，橡胶树的落叶行为可能较为微妙或不一致，这使得与周围植被的物候区分变得困难（Azizan等人，2021a）。此外，热带地区的持续云层覆盖经常阻碍高质量光学时间序列数据的获取，影响物候曲线的可靠性（Azizan等人，2021b）。尽管基于物候的方法在某些地区取得了成功，但由于环境的复杂性和物候行为的多样性，其在热带地区的准确性仍然不确定（Hoang等人，2025；Sheil等人，2025）。因此，开发一种可扩展的、不依赖于物候的大面积橡胶种植园检测方法仍然是一个重要的研究挑战。
为了克服这些挑战，最近的研究开始探索利用结构特征进行种植园分类的潜力（Cheng等人，2023）。例如，在油棕种植园的映射中，规则的行种植在光学图像中产生了强烈的线性纹理，可以使用灰度共生矩阵（GLCM）或基于对象的图像分析等技术来捕捉（Fujiki等人，2016；Zhang等人，2020）。然而，特别是由小农户经营的橡胶种植园，在种植密度、年龄结构和边界清晰度方面往往更加异质，导致空间纹理较弱且不均匀（Cui等人，2022；Jia等人，2020）。因此，传统的基于纹理的方法在橡胶种植园映射中表现不佳。合成孔径雷达（SAR）具有全天候和全天成像的能力，在多云的热带地区提供了一个有前景的替代方案（Hashemi等人，2024）。迄今为止，基于SAR的橡胶映射主要利用极化后向散射信号（特别是双极化VV/VH数据）来区分森林和非森林（Chen等人，2020；Chen等人，2023；le Maire等人，2025；Trisasongko，2021）。这些方法在物候稳定的地区（如越南中南部和泰国北部）取得了显著的成功（B. Chen等人，2025a；Dong等人，2012；Xiao等人，2021）。然而，在许多热带环境中，基于物候的方法仍面临重大限制（Yue和Xiao，2025）。
重要的是，橡胶种植园在纬度、海拔和气候梯度上表现出多样的物候行为或不一致性（Azizan等人，2022）。例如，在印度尼西亚和马来西亚南部等赤道地区，橡胶树的落叶行为可能由于落叶时间的变化而显得微妙或不一致，使得与周围植被的物候区分变得困难（Azizan等人，2021a）。此外，热带地区的持续云层覆盖经常阻碍高质量光学时间序列数据的获取，影响物候曲线的可靠性（Azizan等人，2021b）。尽管基于物候的方法在某些地区取得了成功，但由于环境的复杂性和物候行为的多样性，其在热带地区的准确性仍不确定（Hoang等人，2025；Sheil等人，2025）。因此，开发一种可扩展的、不依赖于物候的大面积橡胶种植园检测方法仍然是一个重要的研究挑战。
为了克服这些挑战，最近的研究开始探索利用结构特征进行种植园分类的潜力（Cheng等人，2023）。例如，在油棕种植园的映射中，规则的行种植在光学图像中产生了强烈的线性纹理，可以使用灰度共生矩阵（GLCM）或基于对象的图像分析等技术来捕捉（Fujiki等人，2016；Zhang等人，2020）。然而，特别是由小农户经营的橡胶种植园，在种植密度、年龄结构和边界清晰度方面往往更加异质，导致空间纹理较弱且不均匀（Cui等人，2022；Jia等人，2020）。因此，传统的基于纹理的方法在橡胶种植园映射中往往表现不佳。合成孔径雷达（SAR）具有全天候和全天成像的能力，在多云的热带地区提供了一个有前景的替代方案（Hashemi等人，2024）。迄今为止，基于SAR的橡胶映射主要利用极化后向散射信号（特别是双极化VV/VH数据）来区分森林和非森林（Chen等人，2020；Chen等人，2023；le Maire等人，2025；Trisasongko，2021）。这些方法可以有效识别密集的自然森林，但由于橡胶种植园在种植密度、树龄和边界定义上的变化，通常无法直接将其与其他基于树木的土地覆盖类型（如油棕种植园）区分开来。与油棕种植园的强健且均匀的后向散射信号相比（Descals等人，2024），橡胶种植园在SAR图像中显示出更复杂和不规则的结构特征，从而使得提取独特模式变得复杂。到目前为止，还没有一种通用框架专门针对橡胶种植园的结构特征进行提取。
尽管有一些研究尝试使用景观指标（如斑块大小、冠层密度和边界复杂性）来区分小农户和工业橡胶系统（Hazir和Muda，2020；Kou等人，2015；le Maire等人，2025），但这些方法高度依赖于空间分辨率和当地的种植实践。使用较低分辨率（如500米或250米）的研究往往无法充分了解小农户系统的细节，因为它们无法捕捉到这些种植园的细微异质性（Dong等人，2012；Li和Fox，2012）。目前，大多数研究依赖于30米的分辨率，但即使在这种分辨率下，仍然缺乏一种稳健且可转移的结构基础方法，限制了它们在异质和破碎的热带地区的应用（B. Chen等人，2025a；Xiao等人，2021）。特别是，在平坦和山区之间进行区分时，橡胶种植园通常规模较小、形状不规则且分布稀疏，使用现有模型难以检测（Chen等人，2023）。这些限制在地形复杂和生物多样性丰富的地区尤为明显。此外，最近在物候研究方面的进展（Yue和Xiao，2025）表明，结合时间动态和更精细的空间特征可能显著提高在复杂景观中检测和分类橡胶种植园的能力。
在这里，我们提出了一种新的框架，该框架结合了来自Sentinel-1 SAR的结构敏感特征和来自Sentinel-2 SWIR数据的冠层湿度信息，以准确识别橡胶种植园。具体来说，我们通过结合Sentinel-1双极化后向散射（VV/VH）和Sentinel-2短波红外反射率（第11波段）构建了一个橡胶种植园指数（RPI），并使用高斯混合模型（GMM）进行无监督分类。这种方法利用SAR揭示的结构信息和SWIR的冠层湿度敏感性，以成本高效、不依赖于物候且空间可转移的方式识别橡胶种植园。我们在多个具有不同地形、物候和栽培系统的代表性热带地区评估了RPI-GMM方法的效果。最后，我们制作了老挝首个全国范围的10米分辨率橡胶种植园地图。实验结果证明了我们的RPI-GMM算法具有高分类准确性，为树木种植园动态的监测提供了可扩展且稳健的解决方案，支持可持续的农林业管理以及经济和商业运营实践。
