清华大学发布首套中国30米分辨率农田数据集，助力可持续农业发展
清华大学发布首套中国30米分辨率农田数据集，助力可持续农业发展
清华大学徐冰教授团队发布首套中国30米分辨率农田数据集（1986-2021年），为可持续农业利用和粮食生产提供重要支撑。该数据集通过集成时间序列Landsat影像、自动训练样本生成以及机器学习和变化检测技术，实现了高精度的农田动态监测。研究结果显示，从1986年到2021年，我国耕地总面积扩大了30.300万公里（1.79%），在2000年之前有所上升，但在2000-2015年期间普遍下降，之后略有回升。
准确、详细和最新的农田范围信息对于提供粮食安全和环境可持续性至关重要。然而，由于农业景观的复杂性和缺乏足够的训练样本，在大地理范围内以高空间和时间分辨率监测农田动态仍然具有挑战性，特别是对于农业用地利用正在发生巨大变化的地方。在这里，作者开发了一种新颖的具有成本效益的年度农田制图框架，该框架集成了时间序列 Landsat 影像、自动训练样本生成以及机器学习和变化检测技术。研究者将所提出的方案实施到谷歌地球引擎的云计算平台上，并首次以30m的空间分辨率生成了中国的一年生农田数据集（CACD）。结果表明，该方法能够跟踪不同农区耕地的动态变化。CACD年度地图和变化地图的像素级F1得分分别为0.79±0.02和0.81。在准确性评估、与统计数据的相关性以及空间细节方面的进一步跨产品比较表明，CACD的精度和鲁棒性优于其他数据集。据研究者测算，从1986年到2021年，我国耕地总面积扩大了30.300万公里（1.79%），在2000年之前有所上升，但在2000-2015年期间普遍下降，之后略有回升。耕地扩张集中在西北部，东部沿海地区耕地流失较大。此外，研究者观察到419,342km2（17.57%）在研究期间至少被遗弃一次的农田。CACD一致的高分辨率数据可以支持各种研究应用中可持续农业利用和粮食生产的进展。
目的：本研究的目的是提出一种大规模的小分辨率农田动态监测的新范式。研究者首先基于先决条件知识、现有的土地覆盖基线图和时间加权动态时间翘曲方法自动生成训练样本。然后，研究者将来自时间序列陆地卫星图像的多年物候特征输入到一个随机森林分类器中，以获得每像素的年耕地概率。通过进一步应用LandTrendr变化检测算法，研究者将农田概率时间序列划分为几个分段，其中记录了断点和相应的变化年份。在这里，作者检查了农田的变化作为一个连续的动态过程，包括几个轨迹，包括没有变化，农田增益，或农田损失。作者建立了一套规则，从LandTrendr分割结果中区分年度农田类型。在此框架的基础上，作者建立了中国1986-2021年的第一个年度耕地数据集（CACD）。作者使用独立的验证样本集检验了CACD的准确性，并将结果与现有的农田图进行了比较。最后，作者利用CACD评估了自20世纪80年代以来中国农田的时空变化。
结论：及时和可靠的农田分布图似乎是作物产量估算、农业可持续性评估和气候建模的关键变量。本研究通过综合自动训练样本生成、随机森林监督分类和LandTrendr时间分割算法，提出了一种经济有效的精细分辨率农田动态监测方案。作者展示了如何通过充分利用现有的土地覆盖数据集来大大减少训练样本收集方面的劳动力。作者还演示了如何合成最先进的机器学习和变化检测方法来表征农田动态。利用陆地卫星图像的完整档案和GEE云计算平台，作者绘制了1986年至2021年中国第一个具有30m分辨率的年度农田分布图。生成的数据集达到了0.79±0.02的F1评分的良好准确性，优于CLCD、CLUD、GLAD和GFSAD等其他产品。此外，第三方样本集的验证、省级统计的回归以及多个产品之间空间细节的比较表明，CACD在描述农田动态的空间分布和时间趋势方面是合理的。2021年，中国耕地总面积为1,725,200 ± 212,400 km2，比1986年增加了30,300 km2（1.79%）。耕地扩张主要发生在中国西北地区，而东部沿海地区则经受住了快速城市化造成的大量耕地损失。耕地年弃置面积平均为16128km2,1990-2015年呈上升趋势。精细分辨率的年度农田数据的研究预计将作为基础广泛的应用和决策在未来，例如，促进作物状况监测和预警，促进进展可持续食品生产，并评估农业扩张和集约化的环境影响。
数据介绍
基本信息
- 采集时间：1986/01/01 - 2021/12/31
- 采集地点：中国
- 数据量：21.4 GiB
- 数据格式：tif
- 坐标系：WGS84
数据源描述
- Landsat TM/ETM+/OLI（Landsat 5/7/8）（1986-2021年）。
- 土地覆盖数据集（CLCD）（2020和2021年数据）。
- 航天飞机雷达地形任务（SRTM）数字高程数据集。
数据加工方法
基于轨迹的方法，该方法结合了机器学习和变化检测技术，用于绘制年度农田动态图。本研究中的一年生耕地定义为一块至少 0.25 公顷（最小宽度为 30 m）的土地，在播种或种植日期后的 12 个月内至少播种/种植和可收获一次。该定义与作物评估和监测联合实验（JECAM）网络制定的标准一致，并采用了符合粮农组织土地覆盖元语言的共享耕地范围。在本研究中，辨别一年生农田的一个关键标准是，遥感图像中的植被信号必须在 12 个月内表现出明显的变化，反映种植和收获活动。
数据处理过程如下：
- 训练数据生成
- 特征空间构建
- 坡地概率估计
- 时间分割
- 年度农田测绘
- 分类后处理
- 准确性评估和比较
数据质量
本研究结合自动训练样本生成、随机森林监督分类和 LandTrendr 时间分割算法，提出了一种经济高效、高分辨率的农田动态监测方案。利用 Landsat 影像的完整档案和 GEE 云计算平台，我们创新性地以 30 m 的分辨率绘制了 1986 年至 2021 年中国每年的农田分布图。由此得出的 CACD 年度地图达到了令人鼓舞的精度F1得分为 0.79 ± 0.02，优于 CLCD、CLUD、GLAD 和 GFSAD 等其他产品。此外，第三方样本集的验证、与省级统计数据的回归以及多种产品之间的空间细节比较表明 CACD 在描绘农田动态的空间分布和时间趋势方面的合理性。2021 年中国耕地总面积为 1 725 200 ± 212 400 公里2，代表增加了 30 300 公里2（1.79%）。
数据作者：徐冰