东南亚地区水稻种植模式、种植强度、种植时间以及生态系统类型的高分辨率分布图
《Remote Sensing Applications: Society and Environment》:High-resolution mapping of rice cropping pattern, intensity, calendar, and ecosystem type across Southeast Asia
【字体:
大
中
小
】
时间:2026年07月02日
来源:Remote Sensing Applications: Society and Environment 3.8
编辑推荐:
弗里萨·伊拉万·金廷|鲁迪扬托|法楚拉赫曼|拉米萨·莫哈德·沙阿|诺尔希达亚·切·索|桑尼·吴英嘉普|迪安·菲安蒂斯|布迪·因德拉·塞蒂亚万|薇薇安·鲍威尔|迈克·许|萨姆·席勒|亚伦·戴维特|布迪曼·米纳斯尼
马来西亚登嘉楼大学食品科学与农业技术学院作物科学系,吉隆坡努鲁斯,
弗里萨·伊拉万·金廷|鲁迪扬托|法楚拉赫曼|拉米萨·莫哈德·沙阿|诺尔希达亚·切·索|桑尼·吴英嘉普|迪安·菲安蒂斯|布迪·因德拉·塞蒂亚万|薇薇安·鲍威尔|迈克·许|萨姆·席勒|亚伦·戴维特|布迪曼·米纳斯尼
马来西亚登嘉楼大学食品科学与农业技术学院作物科学系,吉隆坡努鲁斯,21030,登嘉楼州,马来西亚
摘要
水稻是东南亚地区的主要粮食作物,但目前基于遥感的技术在评估水稻产量时仍主要局限于对水稻种植面积的估算。本研究利用一种统一的多传感器框架,结合物候学信息,构建了东南亚地区高分辨率、空间连续的水稻数据集,该数据集能够同时显示水稻种植面积、种植强度、种植与收获时间表以及不同类型的水稻生态系统。通过整合Sentinel-1雷达数据和Sentinel-2光学数据的时间序列,利用NDVI、MNDWI和VH后向散射等光谱指数所反映的水稻物候特征,有效区分了不同气候、水文条件和管理方式下的水稻种植系统。所得到的10米分辨率地图在九个国家中都具有较高的准确性(整体准确率为97%,κ值为0.87),尤其能够更好地识别出传统区域产品往往忽视的雨养水稻和轻度淹水水稻系统。研究还确定了东南亚地区三种主要的水稻种植强度:单季种植(16.711×10^6公顷,占比59%)、双季种植(10.231×10^6公顷,占比36%)和三季种植(1.524×10^6公顷,占比5%),相应的全地区水稻种植面积为28.466×10^6公顷,实际收割面积为41.745×10^6公顷。此外,我们还重建了经过国家统计数据验证的种植与收获时间表,并明确了11.766×10^6公顷(占比41%)的灌溉水稻、16.258×10^6公顷(占比57%)的雨养水稻以及0.442×10^6公顷(占比2%)的深水浮稻的分布情况。该数据集揭示了受季风动态和灌溉设施影响,水稻种植强度及生态系统分布存在显著差异。相较于传统的静态种植面积产品,这项研究为更动态地了解水稻种植系统提供了依据,有助于提升东南亚地区的粮食安全评估、水资源管理、温室气体核算以及气候适应规划水平。
引言
稻米是东南亚地区粮食安全与经济稳定的基础(Rezvi等人,2023)。然而,该地区也是全球农业环境最为复杂的区域之一(Dhar等人,2021)。东南亚的水稻生产状况存在极大的时空差异,从河流流域中高度灌溉的三季种植系统(Han等人,2022;Peng等人,2025;Phung等人,2020),到泰国中部的雨养单季种植系统(Manjunath等人,2015;Torbick等人,2017)都有体现。这些不同的农业生态区具有各自的种植时间表、不同的水分管理方式、零散的种植地块规模,以及土壤和水文条件上的巨大差异,从而导致整个地区的水稻物候表现存在明显不同(Ma等人,2019;Manjunath等人,2015;Peng等人,2025)。因此,不仅不同国家之间,甚至同一国家内的不同地区,水稻种植方式也存在很大差异,这给区域规模的农业监测与管理带来了诸多挑战。
东南亚地区的水稻生产系统在种植强度、种植时间表、水资源管理以及生态系统状况等方面都存在极大差异。为了实现可持续的种植强度提升、增强气候适应性以及更高效地管理资源,相关决策者需要能够反映这种复杂性的空间化信息——不仅包括水稻的种植面积,还包括每年的种植次数、种植与收获时间,以及水稻生长所处的生态系统类型,如灌溉型、雨养型或深水型。
明确这些生态系统类型尤为重要,因为它们在水文条件、生产力、产量稳定性、温室气体排放量以及社会经济脆弱性等方面存在显著差异,因而需要不同的管理策略和适应措施。鉴于东南亚地区水稻生产系统的多样性,掌握有关种植强度和生态系统动态的空间化信息,对于制定农业规划、进行资源管理、开展可持续性评估、保障粮食生产同时减少环境影响至关重要(He等人,2024)。
除了农业生产之外,这类空间化数据集还为更广泛的农业生态系统研究提供重要依据。例如,水稻种植的时空变化会显著影响水稻病虫害的生存适宜环境及其爆发规律(Wu等人,2026)。因此,有效的农业监测不仅需要了解水稻的种植面积,还需要掌握不同水稻种植环境中的种植强度、种植时间表以及水稻生态系统类型等信息。
遥感技术已成为监测水稻种植系统的核心工具(Kuenzer和Knauer,2013;Lottering等人,2025)。随着开放获取卫星图像的日益普及,人们可以利用Sentinel-1、Sentinel-2、Landsat以及多传感器技术生成高分辨率(10–30米)的水稻地图(Shen和Liao,2025;Ni等人,2021;Zhang等人,2020;Jiang等人,2023;Song等人,2025;Dawei等人,2025)。现有的区域性产品,如NESEA-Rice10(Han等人,2021)、Sun等人开发的20米分辨率东南亚水稻地图(2023),以及Zhao等人提出的最新水稻农业系统制图框架(2025),都显著提升了该地区的水稻监测能力。不过,东南亚地区在尺度一致性以及物候多样性方面仍存在诸多问题。在零散的小农水稻种植系统中,尺度不一致可能导致水稻种植面积被低估,空间连续性降低,进而影响产量估算、水资源利用评估以及甲烷排放量计算等后续应用。此外,大多数现有产品主要关注水稻种植面积或特定区域的农业系统,难以全面反映东南亚复杂环境中水稻种植系统的物候变化情况。
基于Sentinel-1和Sentinel-2数据的时间序列分析,在绘制水稻物候、种植时间表以及种植强度地图方面展现出较强能力。然而,由于种植强度、种植时间、灌溉方式以及气候条件的差异,东南亚地区的水稻种植系统在光学和SAR观测数据中表现出极大的时间特征差异,这使得为区域尺度绘图开发通用的分类框架变得十分困难(Wang等人,2024b)。因此,大多数现有研究仅能在局部或次区域尺度上进行分析,比如单个省份或主要河流三角洲,例如马来西亚半岛(Fatchurrachman等人,2022)、印度尼西亚的爪哇岛(Ramadhani等人,2020)、印度尼西亚西爪哇和马来西亚吉打(Rudiyanto等人,2019)、越南的湄公河三角洲(Nguyen等人,2012)以及缅甸的伊洛瓦底江三角洲(Torbick等人,2017)。这些限制主要是由于处理大范围区域内的密集多传感器时间序列在计算成本、数据量以及方法复杂性方面的难题,从而导致方法能力与可大规模应用的实践之间存在较大差距。
我们之前的研究采用了基于物候标记的局部无监督分类(LUCK-PALM)框架,结合Sentinel-1A和Sentinel-2A/B卫星数据,绘制了东南亚地区的水稻种植面积和种植强度地图(Ginting等人,2025)。这些地图在该地区具有较高的准确性,但局部分类策略也带来了一些限制。该框架将研究区域划分为规则网格,对每个网格单元分别进行无监督分类,这一设计有效保留了当地的生态环境和物候特征,从而实现了局部尺度上水稻种植区的精准划分。然而,由于每个网格单元的模型都是单独训练的,最终拼接而成的地图在网格边界处会出现不连续现象和边界伪影。此外,该方法也无法直观显示种植时间表,也无法区分不同类型的水稻生产系统。因此,目前仍存在一个重要缺口:尚未有统一的高分辨率水稻数据集能够全面反映东南亚地区多样的水稻种植模式。
本研究旨在通过将水稻物候信息与Sentinel-1和Sentinel-2时间序列数据相结合,构建一个统一的、可适用于整个区域的框架,用于绘制和描述东南亚地区的水稻种植系统。具体目标包括:(1)生成高分辨率、区域一致的水稻种植面积和种植模式地图;(2)分析水稻种植强度和种植时间表;(3)绘制不同农业生态条件下的灌溉水稻、雨养水稻和深水水稻生态系统地图。该数据集将为全面了解东南亚地区的水稻生产系统提供有力支持,也有助于在气候多变和气候变化背景下,对该地区的粮食安全、水资源利用以及农业脆弱性进行评估。
研究区域
东南亚地区涵盖11个国家,总面积约为4.5亿公顷,地理范围从南纬10度到北纬30度,东经90度到141度(见图1)。本研究重点关注东南亚九个水稻生产国:柬埔寨(占东南亚总面积的4%)、印度尼西亚(42%)、老挝(5%)、马来西亚(7%)、缅甸(15%)、菲律宾(6%)、泰国(11%)、越南(7%)以及东帝汶(1%)。
东南亚地区以三种主要的热带气候类型为主:热带雨林气候(Af)。
水稻种植面积的准确性及地图
通过所提出的方法,我们绘制出了东南亚地区的水稻种植面积地图。泰国的水稻种植面积最大,其次是缅甸、印度尼西亚、柬埔寨、越南、菲律宾、老挝、马来西亚和东帝汶(见图5)。水稻田广泛分布于该地区主要河流的流域和三角洲地带,比如越南的湄公河和缅甸的伊洛瓦底江(Schneider和Asch,2020)。
水稻种植面积地图的准确性
基于物候的水稻种植地图的优势
本研究构建了东南亚地区高分辨率、空间连续的水稻数据集,该数据集依托统一的多传感器框架且考虑了物候学特征,能够同时显示水稻种植面积、种植强度、种植时间表以及不同类型的生态系统。这一进展的关键在于通过对NDVI、MNDWI和VH时间序列所反映的水稻物候特征进行分析,从而为描述水稻的种植模式、种植强度、种植时间表以及生态系统特征提供可靠且具有物理意义的依据。
结论
我们构建了高分辨率、区域一致的水稻种植系统地图,该地图不仅反映了水稻的种植地点,还展示了水稻的种植频率、种植与收获时间,以及主导的种植生态系统类型。通过将雷达数据和光学卫星时间序列与水稻物候信息相结合,所提出的框架为了解东南亚地区水稻种植模式、种植强度、种植时间表以及生态系统的空间差异提供了新视角。所得到的10米分辨率数据集为……提供了基础。
出版伦理声明
本研究准确描述了所开展的工作,所有数据均真实可靠,方法论描述详细程度足以让他人重复实验。本手稿为完全原创作品;如果使用了他人的成果或文字,均已适当引用或注明出处,并在必要时获得了授权。本材料未在其他任何地方全部或部分发表过。本手稿目前未被其他机构考虑……
关于手稿编写过程中使用生成式人工智能及人工智能辅助技术的声明
在撰写本手稿时,作者们使用了ChatGPT来提升英语文本的清晰度、语法准确性以及整体质量。在使用该工具/服务之后,作者们对内容进行了必要的审核和修改,并对最终发表文章的内容承担全部责任。
CRediT作者贡献说明
迈克·许:写作——审阅与编辑、概念构思。萨姆·席勒:写作——审阅与编辑、概念构思。亚伦·戴维特:写作——审阅与编辑、概念构思。鲁迪扬托:写作——审阅与编辑、原始草稿撰写、验证、监督、软件应用、方法设计、研究实施、正式分析、数据整理、概念构思。布迪曼·米纳斯尼:写作——审阅与编辑、监督、方法设计、概念构思。弗里萨·伊拉万·金廷:原始草稿撰写。
未引用参考文献
Al,2023;Dong等人,2016;联合国粮食及农业组织,2021;黄等人,2023;李等人,2020;Majid,1996;Mcgiven和Müller,2025;国家水资源信息系统,2024。
利益冲突声明
? 作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
作者们衷心感谢WattTime(资助编号:WattTime/2021/Vot 53416),同时也感谢Climate TRACE联盟提供的组织支持,以及Climate TRACE的资助方给予的财政支持。如需查看完整的资助方名单,请访问Climate TRACE官网:https://climatetrace.org/team。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号