《Scientific Reports》:RiceExtent v1.0: a global rice-specific land cover product from multi-source data integration
编辑推荐:
准确的 land cover(土地覆盖,LC)信息是监测土地利用动态、支持可持续农业以及为环境与气候相关决策提供依据的基础;然而,详细且全球一致的作物特定数据集,尤其是水稻数据集,仍然有限。该研究提出 RiceExtent v1.0,一个协调的全球水稻特定土地
准确的 land cover(土地覆盖,LC)信息是监测土地利用动态、支持可持续农业以及为环境与气候相关决策提供依据的基础;然而,详细且全球一致的作物特定数据集,尤其是水稻数据集,仍然有限。该研究提出 RiceExtent v1.0,一个协调的全球水稻特定土地覆盖数据集,具有高(10 m)与中等(250 m)分辨率,通过将经核验的地方、国家和区域水稻图与欧洲空间局(European Space Agency, ESA)WorldCover v200 整合而构建;整合采用优先考虑源数据精度和空间细节的分层多准则数据集排序与空间合并方法(hierarchical multi-criteria dataset ranking and spatial merging approach)。RiceExtent 采用聚合多源水稻数据的基于范围(extent-based)合并策略,推导最大观测水稻种植范围(maximum observed rice cultivation extent),而非年均估计,从而捕捉双季和三季种植模式、破碎化小农地块以及年际变异性,而这些在其他产品中常被低估。最终产品采用基于面积的统计比较指标,与空间生产分配模型(Spatial Production Allocation Model, SPAM)、RiceAtlas 和 GloRice 以及美国农业部(United States Department of Agriculture, USDA)水稻生产统计进行比较评估。利用独立地面真值样本,以真阳性率(True Positive Rate, TPR)进行验证。所开发数据集估计全球水稻面积约1.67×106 km2,与官方统计总体一致,并在东南亚、南亚、非洲和美洲表现出改进的表征。RiceExtent v1.0 通过开放存储库(https://dataverse.tdl.org/dataset.xhtml?persistentId=doi:10.18738/T8/JYAEHV)提供,并附 Python 脚本,为农业监测、作物与水文建模及气候影响评估提供稳健资源,同时支持全球水稻制图的协作改进。
论文主体解读
RiceExtent v1.0研究面向全球水稻制图中“全球土地覆盖(land cover, LC)产品主题粒度较粗、区域水稻图空间不连续”的衔接问题。准确的LC信息支撑生态系统监测、农业管理、气候建模和水资源规划,也关系气候敏感农业系统评估、脆弱区识别和粮食安全决策。近二十年全球LC产品在空间分辨率、分类方案、时间覆盖和验证方法上差异明显,分类精度和适用性不同。MODIS LC 500 m年产品总精度约70–75%,在农业镶嵌和生态过渡带表现下降;ESA CCI LC 300 m精度约73%,对破碎化小农农业系统表征不足;CGLS-LC100 100 m在森林和城市约85%,但季节动态农田受云覆盖和物候重叠影响;FROM-GLC、GlobeLand30 30 m改善复杂景观区分,但存在区域变异或缺少作物类型主题细节。全球LC产品还受类别定义不一致、云污染和地面验证不足影响;广义耕地类别不区分水稻与小麦、玉米,300–500 m分辨率难检测小破碎水稻田,年合成或单季数据难捕捉一年多季水稻。ESA WorldCover 10 m总精度80–85%,但将全部作物归为耕地,在混合土地利用、季节植被和云干扰区仍有分类挑战。地方/国家水稻图常精度更高(80%至90%以上),但地理范围、分类方案和时间更新不一致,全球协调有限。因此,研究人员旨在用分层多准则框架把多源水稻特定图与10 m WorldCover结合,构建协调的全球水稻特定LC产品,强调最大观测空间范围而非年均或季节物候。
研究人员构建RiceExtent v1.0:收集公开可用全球、区域、国家水稻数据集及作物类型图,仅保留报告精度>70%的数据;以ESA WorldCover v200为基图;按来源可靠性、时间代表性、种植季表征、方法严谨性和验证质量进行分层多准则排序;在像素层面采用约束并集规则,即至少一个高置信数据集中为水稻且位于WorldCover耕地掩膜内的像素判为水稻;协调分辨率并生成10 m与250 m两套产品;以SPAM、RiceAtlas、GloRice和USDA统计作面积比较,以40,186个公开地面真值点计算TPR,并开展三情景敏感性分析。结论为全球水稻范围约1.67×10
6 km
2,与FAO、RiceAtlas等总体接近,在东南亚、南亚、非洲和美洲表征改善,同时南美和欧洲存在低估。意义是提供开放、可更新、可协作的全球水稻空间基础,服务农业监测、作物与水文建模、气候影响评估和粮食安全规划。
关键技术方法概述:研究人员收集公开可用的全球、区域、国家水稻分类数据集和作物类型图,并以ESA WorldCover v200为基图;采用分层多准则排序,依据来源可靠性、时间代表性、种植季表征、方法严谨性和验证质量筛选输入,仅纳入报告精度>70%的数据集;采用约束并集规则,将在至少一个高置信数据集中为水稻且位于WorldCover耕地掩膜内的像素判为水稻;空间分辨率协调中,10 m数据直接整合,>10且≤250 m数据按多数准则重采样至250 m,>250 m数据仅在与WorldCover耕地重叠处重分类;生成10 m和250 m产品;精度评估使用SPAM、RiceAtlas、GloRice和USDA统计,地面真值验证使用40,186个公开可获取的水稻位置点,样本来源于亚洲、非洲、北美和南美,具体来源见补充材料;并开展保守、基线、包容三情景敏感性分析。
研究结果
**Global rice distribution(全球水稻分布)**:250 m RiceExtent v1.0显示全球水稻分布与已知主产区一致,包括印度河—恒河平原、东南亚、东亚、西非、美国南部和南美部分地区;南亚和东南亚显示大面积密集水稻景观,西非显示谷底/湿地小农破碎水稻,北美集中在阿肯色、路易斯安那和得克萨斯,南美主要在巴西南部和乌拉圭,其他南美国家因缺少免费水稻特定本地LC数据而未充分表征。按国家统计,RiceExtent v1.0覆盖72个水稻种植国:亚洲23国、非洲36国、拉美3国(阿根廷、巴西、乌拉圭)、欧洲9国(保加利亚、法国、希腊、匈牙利、意大利、葡萄牙、罗马尼亚、西班牙、乌克兰)和北美1国(美国)。印度、中国、缅甸、泰国水稻面积>100,000 km
2;13国介于10,000–100,000 km
2;24国介于1,000–10,000 km
2;31国<1,000 km
2。全球水稻面积约1.67×10
6 km
2,与FAO约1.65×10
6 km
2和RiceAtlas约1.61×10
6 km
2接近;亚洲约90.32%(约1.52×10
6 km
2),印度和中国合计>50%;非洲约100,906 km
2(6.05%),北美约18,000 km
2(1.08%);南美约20,000 km
2而外部数据近40,000 km
2,欧洲<300 km
2(0.02%)而EU Agricultural Outlook 2023约4,000 km
2,显示当前版本在南美和欧洲存在低估限制。结论是该产品能捕捉全球主要水稻空间格局并覆盖多数主产国,但区域完整性受输入数据可得性影响。
**Accuracy assessment(精度评估)**:研究人员采用多策略验证,包括与全球、国家和区域空间数据集比较,以及多大陆地面真值点验证。
**Validation with existing spatial datasets(与已有空间数据集验证)**:国家尺度比较显示RiceExtent v1.0既有高估也有低估,总体倾向高估;有更多高质量国家/区域水稻数据的国家偏差较低。印度RiceExtent约467,376 km
2,高于RiceAtlas 431,108 km
2、SPAM 444,238 km
2和GloRice 283,818 km
2,低于USDA五年平均约477,000 km
2,位于全球LC产品与官方统计之间;中国约371,636 km
2,高于RiceAtlas 300,758 km
2和SPAM 298,847 km
2,NBSC近年统计约243,600–301,653 km
2;中国>90%水稻像元来自经地面参考验证精度>90%的全国水稻分类图,差异主要反映基于范围的合并与年统计/普查聚合的结构差异。泰国约190,000 km
2,高于RiceAtlas约121,000 km
2和USDA约105,000 km
2,差异主要源于产品定义、时间表示和制图目标,USDA代表年收获面积,而RiceExtent为最大观测范围并纳入多季、间歇和小农水稻。孟加拉约90,539.25 km
2,低于RiceAtlas 117,429.44 km
2、SPAM 115,086.3 km
2和Bangladesh Rice Knowledge Bank约105,000 km
2;越南约64,109.88 km
2,低于RiceAtlas 76,327 km
2、SPAM 73,010 km
2和USDA约71,270 km
2,高于GloRice 32,299 km
2和IRRI 30,000 km
2,原因在于无经核验的全国尺度水稻特定数据集时,日本宇宙航空研究开发机构(Japan Aerospace Exploration Agency, JAXA)地球观测研究中心(Earth Observation Research Center, EORC)ALOS/ALOS-2科学项目的高分辨率土地利用/土地覆盖(High-Resolution Land-Use and Land-Cover, HRLULC)数据被赋予最高优先,其2020年水稻范围约58,479 km
2,与RiceExtent越南量级一致。区域相关分析中,RiceExtent与GloRice一致性最强(R
2=0.92),其次SPAM(R
2=0.88)和RiceAtlas(R
2=0.86);RiceAtlas与GloRice相关也高(R
2=0.90)。国家尺度回归比较中,RiceAtlas R
2=0.96、SPAM R
2=0.95、GloRice R
2=0.92,显示强正一致。结论是RiceExtent v1.0可靠捕捉国家尺度水稻空间模式,并与现有全球和区域估计总体一致,部分区域有所改善。
**With ground truth data(地面真值数据验证)**:使用40,186个公开地面真值样点,覆盖亚洲、非洲、北美和南美;总体TPR为0.79–0.92。亚洲TPR 0.89–0.92(95%置信区间(confidence interval, CI)按Wilson得分法为0.89–0.93;n=13,789),印度样本最多(n=11,052)且TPR最高0.97(95% CI 0.96–0.97),中国(n=2,574)TPR 0.895(95% CI 0.88–0.91),韩国TPR 0.907(95% CI 0.89–0.93);非洲n=6,219,总体TPR 0.87(95% CI 0.86–0.88);南美n=20,074且主要集中于巴西,TPR 0.79(95% CI 0.78–0.80);北美仅104个样本且主要来自加利福尼亚,TPR 0.85(95% CI 0.78–0.91)。由于参考样本仅为已知水稻存在点,无法估计假阳性率、特异性、精确率和总体精度,TPR应解释为水稻检测指标而非完整分类精度;验证样本空间上不完全独立并集中于主产区,Moran’s I(全局空间自相关指数)分析显示显著聚集(p<0.05)主要出现在高强度产区,精度解释需考虑样本空间结构。结论是产品跨洲具备较强水稻检测能力,亚洲表现最高,南美较低,验证受样本空间分布限制。
讨论部分总结:该研究提出协调的全球水稻特定LC数据集,将地方精细国家/区域产品纳入全球一致框架,弥合粗分辨率全球水稻产品与高分辨率区域图之间的差距。其优势在于整合遥感产品和国家作物类型图,通过分层选择和交叉比较反映不同时期和种植季的水稻时空变异;SPAM和GloRice等全球产品依赖统计分解和模型假设,在破碎土地或多熟系统可能降低空间保真度。亚洲和非洲水稻种植模式复杂异质,全球模型常依赖行政数据和低分辨率影像,而国家图通常更准确表达水稻物候、种植强度和空间边界;与ESA WorldCover基图协调兼顾区域变异和全球一致性。整合巴西国家水稻数据时发现WorldCover耕地类存在误分类,研究采用优先国家尺度验证水稻图的合并策略;粗分辨率数据重采样至250 m时用WorldCover耕地掩膜约束以减少降尺度不确定性。应用上,该数据集支持作物建模、水文模拟、粮食安全评估、灌溉规划和气候变化影响研究,有助于模型初始化校准、风险评估和跨学科研究,并可识别气候敏感和水文极端暴露区,支持适应措施、资源分配和区域规划。局限包括数据可得性不足、输入区域不一致、时空分辨率协调复杂、地面真值不足、输入时间不一致影响年际可比,以及分层排序与全球基图协调可能在过渡带或混合农田引入小不一致;70%一致性阈值是兼顾纳入区域数据和减少低置信误分类的务实选择,更严格阈值会提高可靠性但减少数据稀缺区覆盖;产品不显式捕捉季节水稻模式,可与RiceAtlas日历互补。与RiceAtlas和SPAM的年或统计协调估计不同,RiceExtent v1.0为静态最大范围产品,整合2010年以来多期水稻像元,保留任何年份观测为水稻的位置,有意捕捉轮作、单双三季转换和短期土地利用变化形成的完整空间包络。产品通过开放仓库和Python脚本提供,未来将纳入更近期水稻分类数据、扩展国家水稻图、在数据稀缺区应用机器学习,并鼓励用户贡献本地数据经核验后整合。研究还按同一核心假设整合小麦、玉米、大豆、棉花、油棕和甘蔗等主要作物图,并协调至ESA WorldCover 10 m基图,以支持多作物建模、改进土地利用分类以及水需求、碳通量和粮食安全评估。
研究结论(译述):RiceExtent v1.0提供一个开放、可协作改进的全球水稻特定LC数据集,整合多源经核验数据集与ESA WorldCover,兼顾空间细节、分类精度和全球覆盖;其估计全球水稻范围约1.67×10
6 km
2,与官方统计和参考产品总体一致,并在东南亚、南亚、非洲和美洲改善表征。该产品作为初始基线版本,为农业监测、作物与水文建模、气候影响评估以及水稻依赖型农业系统的社区韧性相关应用提供稳健资源,并通过开放存储库和Python脚本支持全球水稻制图的持续协作改进。