東北地理所在保護(hù)性耕作遙感監(jiān)測研究中取得系列進(jìn)展
秸稈覆蓋度（Maize Residue Cover，CRC）的遙感估算能夠快速獲取大面積的秸稈覆蓋信息，這對于保護(hù)性耕作的監(jiān)測和推廣具有重要意義。根據(jù)美國節(jié)能技術(shù)信息中心(Conservation Technology Information Center，CTIC)提出的耕作強度劃分標(biāo)準(zhǔn)，CRC高于30%為免耕。然而，如何準(zhǔn)確高效地估算CRC目前仍然是一個挑戰(zhàn)。
中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所遙感中心杜嘉高級工程師及其團(tuán)隊以東北玉米種植區(qū)為研究區(qū)，利用多種機器學(xué)習(xí)算法和Sentinel-2 MSI影像構(gòu)建了玉米秸稈覆蓋度（MRC）反演模型并全面比較了各模型預(yù)測性能（圖1）。
圖1玉米秸稈覆蓋度反演模型流程圖
研究發(fā)現(xiàn)，基于Lasso回歸（Lasso）、嶺回歸（RR）和偏最小二乘（PLSR）三種機器學(xué)習(xí)算法構(gòu)建的MRC反演模型中，PLSR展現(xiàn)了更優(yōu)的預(yù)測性能，其決定系數(shù)（R2）和均方根誤差（RMSE）分別為0.8582和4.93%（圖2）。
圖2實測MRC 與預(yù)測 MRC 之間的關(guān)系：(a) RR；(b) LASSO；(c) PLSR。
此外，研究人員對比評估了在松嫩平原南部利用經(jīng)典的單一機器學(xué)習(xí)算法神經(jīng)網(wǎng)絡(luò)（BPNN）、隨機森林（RF）、支持向量機回歸（SVR）、極限梯度提升（XGBoost）和集成學(xué)習(xí)Stacking1、Stacking2構(gòu)建的MRC反演模型性能。結(jié)果表明，Staking集成學(xué)習(xí)模型展示了更優(yōu)的預(yù)測性能。其中Stacking2的預(yù)測精度最高，R2、RMSE和平均絕對誤差（MAE）分別達(dá)到0.923，3.32%和0.025 (圖3)。
圖3各機器學(xué)習(xí)模型實測MRC 與預(yù)測 MRC 之間的關(guān)系
研究團(tuán)隊利用最優(yōu)模型開展了研究區(qū)MRC和保護(hù)性耕作時空制圖。結(jié)果顯示，東北地區(qū)保護(hù)性耕作時空異質(zhì)性顯著（圖4），2022年中國東北地區(qū)的免耕區(qū)域占比最高為26.01%。本研究提供東北地區(qū)耕作方式的精確評估，助力制定更有針對性的農(nóng)田管理策略，推動農(nóng)業(yè)可持續(xù)發(fā)展。
圖4 東北地區(qū)保護(hù)性耕作空間分布圖
相關(guān)成果發(fā)表在遙感國際重要期刊International Soil and Water Conservation Research（C刊）、Soil and Tillage Research（1區(qū)TOP期刊）和Remote Sensing（2區(qū)期刊）上。由東北地理所杜嘉高級工程師、宋開山研究員、碩士研究生梁政偉（已畢業(yè)）、聯(lián)培碩士研究生邵柯聞（已畢業(yè)）、聯(lián)培碩士研究生張益瑋（現(xiàn)為中國地質(zhì)大學(xué)博士研究生）、聯(lián)培碩士研究生項小云（已畢業(yè)）等人共同完成。研究得到國家重點研發(fā)計劃子課題（2021YFD1500103-2）、中國科學(xué)院戰(zhàn)略性先導(dǎo)專項(XDA28080501)和國家科技基礎(chǔ)資源調(diào)查計劃(2018FY100300)的共同資助。
論文信息：
Du,J.;Jacinthe P A;Song,K*; et al., 2025. Maize crop residue cover mapping using Sentinel-2 MSI data and random forest algorithms. International Soil and Water Conservation Research,13(1),189-202.https://doi.org/10.1016/j.iswcr.2024.09.004.
Li,J.;Shao,K.;Du,J.*;et al., 2025.Comparative Analysis of Tillage Indices and Machine Learning Algorithms for Maize Residue Cover Prediction. Remote Sensing.17,105. https://doi.org/10.3390/rs17010105.
Liang,Z.;Du,J.*;Yu,W.;et al., 2024. Evaluating Maize Residue Cover Using Machine Learning and Remote Sensing in the Meadow Soil Region of Northeast China. Remote Sensing. 16,3953. https://doi.org/10.3390/ rs16213953.
Zhang,Y;Du,J.*, 2024.Improving maize residue cover estimation with the combined use of optical and SAR remote sensing images. International Soil and Water Conservation Research,12(3):578-588.https://doi.org/10.1016/j.iswcr.2023.11.006.
Xiang,X.;Du,J.*;Jacinthe P A;et al., 2022. Integration of tillage indices and textural features of Sentinel-2A multispectral images for maize residue cover estimation. Soil and Tillage Research,2022,221: 105405.https://doi.org/10.1016/j.still.2022.105405.
附件下載：
吉公網(wǎng)安備22017302000214號
