衛(wèi)星遙感影像中的農(nóng)田 中國農(nóng)科院供圖
“耕地是糧食生產(chǎn)的命根子，準(zhǔn)確掌握全球農(nóng)田空間分布和農(nóng)作物種植情況對于國際社會確保糧食安全、調(diào)控糧食市場、應(yīng)對全球變化、推進農(nóng)業(yè)綠色發(fā)展等都具有重要意義?！敝袊r(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所（以下簡稱資劃所）智慧農(nóng)業(yè)創(chuàng)新團隊首席科學(xué)家吳文斌在接受《中國科學(xué)報》采訪時說。
近日，該團隊與國際食物政策研究所、國際應(yīng)用系統(tǒng)分析研究所、國際玉米小麥改良中心等單位合作，在國際地學(xué)期刊《地球系統(tǒng)科學(xué)數(shù)據(jù)》連續(xù)更新發(fā)布了2010年全球高精度耕地空間分布和農(nóng)作物空間分布的制圖數(shù)據(jù)產(chǎn)品。
經(jīng)全球?qū)W術(shù)同行及用戶評議，與歷史數(shù)據(jù)產(chǎn)品相比，該系列產(chǎn)品精度大為提高、覆蓋度大為擴展、可用性大為增強，為“聯(lián)合國可持續(xù)發(fā)展目標(biāo)”評估提供了重要基礎(chǔ)數(shù)據(jù)支撐。
第一張圖：全球高精度耕地分布數(shù)據(jù)
論文通訊作者吳文斌說，盡管不少國家和科研機構(gòu)已研制眾多全球或區(qū)域耕地制圖數(shù)據(jù)產(chǎn)品，他們推出的數(shù)據(jù)產(chǎn)品主要基于地圖和衛(wèi)星影像數(shù)據(jù)完成。但是，數(shù)據(jù)質(zhì)量參差不齊、彼此間的一致性較差、與公布的官方統(tǒng)計數(shù)據(jù)吻合度低，存在遙感影像“看到的”與統(tǒng)計部門“查到的”耕地數(shù)據(jù)不一致的問題。
這給政府部門、國際機構(gòu)和科研高校的數(shù)據(jù)產(chǎn)品應(yīng)用帶來諸多不確定性。
論文第一作者、資劃所副研究員陸苗告訴《中國科學(xué)報》，為了解決上述問題并對全球耕地分布數(shù)據(jù)進行更新，資劃所帶領(lǐng)的聯(lián)合團隊系統(tǒng)收集了10余套全球和區(qū)域遙感耕地制圖數(shù)據(jù)產(chǎn)品：全球尺度包括5個數(shù)據(jù)產(chǎn)品，區(qū)域尺度以高分辨率產(chǎn)品為主，覆蓋北美洲、歐洲和大洋洲等。不僅如此，他們還系統(tǒng)收集了全球尺度的覆蓋國家級、省級和市級多個層次的耕地面積統(tǒng)計數(shù)據(jù)，填補了統(tǒng)計數(shù)據(jù)在非洲、拉丁美洲和亞洲等發(fā)展中國家的空白。
論文作者、國際食物政策研究所高級研究員游良志主要負責(zé)收集全球耕地和農(nóng)作物的統(tǒng)計數(shù)據(jù)?！耙延械乇頂?shù)據(jù)很多，但統(tǒng)計數(shù)據(jù)非常難獲得?！庇瘟贾靖嬖V《中國科學(xué)報》，一些發(fā)展中國家的統(tǒng)計數(shù)據(jù)并沒有公開，或者不能從網(wǎng)絡(luò)上獲得，必須依靠專人從當(dāng)?shù)氐墓_出版物獲取，有時候甚至要向當(dāng)?shù)亟y(tǒng)計部門或者管理部門收集。
2018年，他著手收集全球耕地分布統(tǒng)計數(shù)據(jù)時，有些國家能夠獲取到的最新數(shù)據(jù)是2010年的。但2010年時，非洲國家南蘇丹和北蘇丹還是同一個國家?！皣缱兞耍姓^(qū)劃變了，管理部門也變了。要獲取歷史資料非常困難?！睉{借國際食物政策研究所的全球分支機構(gòu)和辦公網(wǎng)絡(luò)，游良志請各地工作人員幫忙，才得以收集到這些統(tǒng)計數(shù)據(jù)。
基于上述眾源數(shù)據(jù)，聯(lián)合研究團隊提出了“分級對照校驗、自下而上優(yōu)化、自動分配校準(zhǔn)”的新思路，構(gòu)建了新的統(tǒng)計數(shù)據(jù)自適應(yīng)分配模型。
“我們對現(xiàn)有遙感制圖產(chǎn)品之間的精度和一致性進行評估，以此為基礎(chǔ)，對比統(tǒng)計數(shù)據(jù)和遙感耕地制圖產(chǎn)品的數(shù)量精度，構(gòu)建整合規(guī)則，實現(xiàn)了統(tǒng)計數(shù)據(jù)和耕地遙感數(shù)據(jù)產(chǎn)品的融合優(yōu)化?！标懨缯f。
利用該方法，他們研制了《全球2010年500米分辨率耕地融合制圖產(chǎn)品》（以下簡稱耕地制圖），其總體精度為90.8%，高于已有的5套全球耕地產(chǎn)品。同時，該耕地制圖產(chǎn)品和統(tǒng)計數(shù)據(jù)的一致性優(yōu)于已有的全球耕地制圖產(chǎn)品。
上述研究為全球尺度耕地遙感制圖及相關(guān)研究提供了新思路和新方法，為全球農(nóng)業(yè)監(jiān)測、糧食估產(chǎn)和全球變化研究等提供準(zhǔn)確可靠的耕地空間分布基礎(chǔ)信息。
第二張圖：全球高精度農(nóng)作物空間分布數(shù)據(jù)
“解決全球耕地制圖僅僅是我們工作的第一步，更為重要的是如何獲取全球農(nóng)作物空間分布信息。然而，受數(shù)據(jù)獲取條件等因素制約，在全球尺度開展農(nóng)作物空間分布制圖研究面臨重大挑戰(zhàn)。”論文第一作者、資劃所副研究員余強毅告訴《中國科學(xué)報》，已有同類作物分布數(shù)據(jù)產(chǎn)品大多停留在2000年，如M3、MIRCA2000、SPAM2000等，已經(jīng)難以滿足當(dāng)前農(nóng)業(yè)、環(huán)境等領(lǐng)域的應(yīng)用需求。
通過與國際研究機構(gòu)合作，他們廣泛收集全球186個國家的農(nóng)業(yè)生產(chǎn)數(shù)據(jù)，在前述耕地制圖等空間數(shù)據(jù)的支持下，完成了全球水稻、小麥、玉米等42種主要農(nóng)作物的面積、總產(chǎn)、單產(chǎn)空間分布制圖，首次將全球農(nóng)作物空間分布數(shù)據(jù)產(chǎn)品更新至2010年，極大提升了農(nóng)作物空間分布數(shù)據(jù)產(chǎn)品的延續(xù)性。
“這套數(shù)據(jù)覆蓋的作物從以前的26種擴展至42種，基本完全覆蓋全球主要農(nóng)作物類型，提升了農(nóng)作物空間分布數(shù)據(jù)產(chǎn)品的可用性?！庇鄰娨阏f，數(shù)據(jù)集不僅包括全球主要農(nóng)作物面積、總產(chǎn)、單產(chǎn)等空間分布的總體情況，還從實際生產(chǎn)投入的角度，將每種農(nóng)作物劃分成四種農(nóng)業(yè)生產(chǎn)系統(tǒng)——灌溉型、高投入雨養(yǎng)系型、低投入雨養(yǎng)系型、自給自足系型，提升了農(nóng)作物空間分布數(shù)據(jù)產(chǎn)品的客觀性。
“我們這項工作體現(xiàn)了全球農(nóng)業(yè)科研協(xié)作網(wǎng)絡(luò)的優(yōu)勢?！庇瘟贾菊f，中國農(nóng)業(yè)科學(xué)院在國際農(nóng)業(yè)大科學(xué)計劃項目支撐下，聯(lián)合全球農(nóng)業(yè)科研優(yōu)勢單位，在數(shù)據(jù)整理、加工、清洗、生產(chǎn)等環(huán)節(jié)實行嚴(yán)格的質(zhì)量控制，并針對不同作物、不同區(qū)域、不同生產(chǎn)系統(tǒng)進行嚴(yán)格的精度驗證，極大保證了數(shù)據(jù)產(chǎn)品的可靠性。
論文通訊作者、資劃所研究員楊鵬介紹，將不同年份農(nóng)作物空間分布數(shù)據(jù)進行對比發(fā)現(xiàn)，近年來，東歐、非洲、中國東北、印度西北、南澳大利亞等地區(qū)的水稻種植面積明顯增加，而中亞和南美地區(qū)的水稻種植面積顯著下降；除美國和歐洲外，全球玉米種植面積總體呈上升趨勢，這一結(jié)果印證了全球“玉米繁榮”現(xiàn)象，尤其是在東南亞等發(fā)展中國家和地區(qū)，玉米擴展迅速。
期待用遙感數(shù)據(jù)替代統(tǒng)計數(shù)據(jù)
“我們工作最大的意義是填補了全球該類數(shù)據(jù)產(chǎn)品的空白?！眳俏谋笳J為，數(shù)據(jù)是科研工作的基礎(chǔ)。即便未來將大幅度依靠人工智能進行分析工作，但如果沒有大量基礎(chǔ)數(shù)據(jù)，人工智能就無從學(xué)習(xí)并獲得分析能力。
從十幾年前開始，游良志就致力于作物空間分配模型（Spatial Production Allocation Model，SPAM）的建設(shè)。“SPAM反過來就是MAPS?！庇瘟贾菊f，這項工作旨在為全球科學(xué)家和政策制定者提供高精度的耕地和農(nóng)作物空間分布數(shù)據(jù)。前述兩項合作成果就是最新一期的SPAM 2010。
余強毅說，利用高精度數(shù)據(jù)可以對全球農(nóng)作物進行估產(chǎn)，分析農(nóng)作物種植面積的變化情況，進而為農(nóng)業(yè)結(jié)構(gòu)調(diào)整、農(nóng)業(yè)減排等政策制定提供基礎(chǔ)數(shù)據(jù)。
利用這套數(shù)據(jù)產(chǎn)品，他們研究發(fā)現(xiàn)，南美洲國家耕地面積在不斷上升，但其農(nóng)作物產(chǎn)量實際增長并不大；而中國、美國等國家，在耕地面積下降的情況下依然保持了產(chǎn)量的不斷增加。
“這不僅說明后者的耕地產(chǎn)出率顯著高于前者，還說明中國的農(nóng)業(yè)科技助力提高了糧食產(chǎn)能，穩(wěn)住糧食產(chǎn)量不再需要大量開墾耕地。這為我國生態(tài)文明建設(shè)、實現(xiàn)‘碳中和’目標(biāo)提供了重要保障?！庇鄰娨阏f。
游良志說，這項工作將會以5~10年的時間區(qū)間不斷更新，并希望一直“更新到衛(wèi)星遙感數(shù)據(jù)可以替代統(tǒng)計數(shù)據(jù)”。
眾所周知，衛(wèi)星遙感數(shù)據(jù)已經(jīng)可以達到幾十米級甚至亞米級，但由于技術(shù)瓶頸問題尚未解決，光靠遙感數(shù)據(jù)還很難獲得高精度耕地和農(nóng)作物分布數(shù)據(jù)產(chǎn)品。
陸苗解釋道，由于農(nóng)田種植情況的復(fù)雜性，在小區(qū)域適用的數(shù)據(jù)算法很難在大區(qū)域上應(yīng)用，尤其是在我國這種地塊零散的農(nóng)田上。
此外，衛(wèi)星遙感數(shù)據(jù)的準(zhǔn)確性要依賴大量地面數(shù)據(jù)支撐，例如，這塊地究竟種的是什么作物、什么季節(jié)種植、種植幾茬作物，都需要人工現(xiàn)場調(diào)研驗證。
同時，目前已經(jīng)成熟的全球性數(shù)據(jù)產(chǎn)品不多，也就是說供人工智能學(xué)習(xí)的基礎(chǔ)數(shù)據(jù)不多，人工智能尚沒有學(xué)會僅從衛(wèi)星影像上辨別農(nóng)作物。這同樣降低了僅利用遙感數(shù)據(jù)生成高精度耕地和農(nóng)作物分布數(shù)據(jù)產(chǎn)品的準(zhǔn)確度。
要解決上述技術(shù)難題，可能還需要5~10年左右的時間。吳文斌說，下一步，他們將著手制作我國的“作物一張圖”，即在一個數(shù)據(jù)產(chǎn)品中展示每塊農(nóng)田不同時間種植的農(nóng)作物情況。
相關(guān)論文信息：https://doi.org/10.5194/essd-12-1913-2020
https://doi.org/10.5194/essd-12-3545-2020
