基于协调的 Landsat–Sentinel-2 数据的新疆主要作物 30 米多年分布数据集（2013–2024）

从太空绘制作物图的重要性

在变暖、趋于干旱的世界中养活不断增长的人口，依赖于了解何地种植何物以及这些分布如何随时间变化。在中国西部广袤且以干旱为主的新疆，这些基本信息长期难以获取，而该地区又生产了大量棉花和粮食。本文所述研究将多年卫星影像转化为新疆主要作物的详细地图，为农民、规划者和科学家提供了观察这一干旱粮仓管理方式的新视角。

一个有雄心的大农区却位于干旱地带

新疆的面积约为中国的六分之一，四周被高山与沙漠盆地环绕。大多数农业集中在由河流和灌溉渠供水的绿洲里，棉花、玉米、小麦、水稻和果园占据主导地位。国家政策和节水技术的推动使新疆成为中国最大的棉花产区，其粮食产出对区域粮食供应也至关重要。然而，正是那些高山、沙漠和分散的田块造就了这一独特景观，也使得仅靠传统调查难以实现有效监测。此前可得的地图往往只覆盖单一作物、数年时期或比较粗糙的空间分辨率。

将卫星快照转为年度作物图集

研究者构建了一个基于协调的 Landsat–Sentinel-2 数据的新制图系统，这是一种将两套卫星阵列优势融合并每隔数日提供一致地表影像的全球产品，空间分辨率约为 30 米。他们聚焦于两个卫星可测的简单指标：植被的绿度和植物及土壤中的水分含量。通过追踪这些信号在生长季内的涨落，捕捉到了各作物的生长节律，例如小麦的早春高峰、棉花的漫长夏季上升期以及水稻的淹水田块特征。

训练智能分类器识别田块

为了将这些季节性模式转化为作物标签，团队结合了 2018 和 2019 年收集的数千个田块与影像样本，并采用了一种称为随机森林的机器学习方法。首先，他们利用已有的国家土地覆盖图剔除了非农用地，使模型集中在真实田块上。接着，他们对卫星信号拟合了平滑的数学曲线，将嘈杂的影像序列转为清晰的生长轮廓。随机森林学会了不同作物在一年中典型的表现，然后将此知识应用到 2013 至 2024 年间新疆每个合适的卫星像素上。

检验地图与现实的符合度

任何自动化地图都需要仔细验证。团队保留了部分田块与影像样本作为独立测试集，并将其与模型的预测结果进行比较。在两个验证年度中，大多数主要作物的使用者精度和生产者精度均超过 83%，总体精度达到了 90% 和 93%。他们还按县汇总了每种作物的映射面积，并将这些数值与官方统计以及其他专项作物地图（如棉花、玉米和小麦）进行比较。基于卫星的估算与这些独立来源高度一致，尤其是在棉花方面，表明这些地图不仅捕捉了作物的空间分布，也揭示了其面积随时间的变化。

对粮食与环境的意义

该研究产出的是一套公开的新疆主要作物 30 米分辨率时序记录，自 2013 年起并随新卫星数据的到来持续更新。对于非专业人士，这意味着像棉花扩张速度、玉米取代小麦的区域，以及果园沿新渠扩展的位置等问题，现在都可以通过明确的可视证据来回答。作者指出仍存在不确定性，尤其对混合种植或小众作物组别，但该数据集为监测区域粮食生产、指导水土政策以及研究农业与脆弱的沙漠和山地生态系统相互作用提供了强有力的工具。

引用: Liang, Q., Di, Y., Hao, X. et al. A 30 m Multi-Year Dataset of Major Crop Distributions in Xinjiang, China (2013–2024) Based on Harmonized Landsat–Sentinel-2 Data. Sci Data 13, 730 (2026). https://doi.org/10.1038/s41597-026-07082-w

关键词: 作物制图, 遥感, 新疆农业, 卫星数据, 粮食安全