如何用卫星遥感数据识别水稻种植区

水稻是印度尼西亚最重要的粮食作物之一，全国约90%的人口以稻米为主食，其产量直接关系到国家粮食安全和社会稳定。印度尼西亚作为全球第三大水稻生产国，水稻种植面积超过1400万公顷，主要分布在爪哇岛、苏门答腊岛和巴厘岛等地区。然而，受气候变化、耕地减少和种植模式多样化的影响，准确监测水稻种植面积和生长状况面临巨大挑战，准确、高效地提取水稻种植面积信息对于农业监测、耕地管理、粮食产量评估和政策制定具有重要参考价值。

 近年来，随着卫星遥感数据的日益丰富和云计算平台的发展，基于多源数据的作物分类方法得到了广泛应用。其中，归一化植被指数（NDVI）和雷达后向散射系数（VH/VV）能够有效反映水稻的物候特征和生长状况，结合机器学习算法（如随机森林）可实现高精度的水稻种植区自动化提取。本研究以东爪哇省北部为例，探讨基于时序NDVI和VH数据的水稻种植区提取方法，以期为区域粮食安全监测和农业政策制定提供科学依据。

 一、 区域概况

 研究区为印度尼西亚东爪哇省北部区域，范围为东经111°21'31.1",南纬7°26'26.7"，如图1所示。该研究区属于热带气候，雨季通常为11月至次年4月，旱季为5月–10月，该区域主要作物为水稻，并伴随种植玉米、大豆等农作物。

 图1 研究区域

  二、 数据预处理   

通过GEE平台对数据进行预处理，数据选取时间为2024年6月1日至2025年5月31日。分别将数据生成月度VH和NDVI数据，其中月度VH数据通过中值合成，减少偏振数据中的噪声。NDVI受影像采集时间、云层、气溶胶的影响，可以采用通过最大值合成方式生成月度NDVI，以此降低噪声影响。此外，由于不同数据源采集的时间不同，导致数据在时间维度上难以对齐，但是通过合成月度数据可以解决这一问题。

 三、 物候信息分析

在目标区域通过水稻的生长周期与NDVI间的特征关系，可以判断水稻生长周期。因此，本文选取一些特征点，获取NDVI时序值如图2（a)、图2（b    ）    、图2（c）    、图2（d     ）    所示，通过时序值可判断该区域的水稻为一年三季，水稻种植周期约为4个月。  

 图2（a）NDVI物候信息(111°26'35.40"E, 7°28'11.37"S)

 图2（b）NDVI物候信息(111°26'12.41"E, 7°27'35.42"S)

 图2（c）NDVI物候信息(111°21'47.56"E, 7°24'50.01"S)

 图2（d）NDVI物候信息(111°23'41.21"E, 7°26'58.21"S)

 四、 提取结果

 根据NDVI时序数据集和VH时序数据集进行特征构建，然后通过随机森林提取研究区内的油棕区域，提取结果如下图3。

  图3 水稻种植区域提取结果  

 本研究提取结果与历史研究结果一致。对于提供的目标区域，共计算水稻种植面积76.51平方公里，该区域的水稻种植方式为一年三季，水稻的生长周期约为4个月。此外，该区域播种时间不同，通过传统方式难以提取准确的种植区域。

 基于上述水稻种植区提取的研究成果，我们具备持续提供高精度农业遥感监测服务的能力。依托先进的GEE平台数据处理技术和多源时序数据分析方法，我们能够高效完成大范围农作物种植区动态监测任务，并可根据客户需求提供以下延伸服务：1）多季作物轮作模式分析；2）种植面积变化趋势预测。团队拥有成熟的随机森林算法优化经验和NDVI/VH多特征融合技术，可确保长期稳定输出农作物分布数据，为农业管理部门和科研机构提供持续的技术支持与数据更新服务。