Environmental Research Food Systems·9月3日 · 周四论文农业遥感与作物表型阅读 1
Improving smallholder representation in crop maps
Kendra Walker · Atahualpa Ayala Gomez · Lauren Sharwood 等 4 人
论文解读
77精选
速览
改进遥感作物制图以更好识别小农户农田，以巴拉圭为例。
方法
调整训练样本、场分割和10米分辨率等建模方法。
发现
现有地图漏检55-99%小农户农田，改进后召回率提升27个百分点以上。
机会点
可探索将小农户农田识别方法推广至其他地区，或结合高分辨率影像与深度学习提升精度。
影响力18
信息增量22
专业深度18
信源权威12
时效性7
研究揭示现有作物地图严重低估小农耕地，提出改进方法，对农业政策制定有重要参考价值。
原文摘要
面积小于五公顷的农场产出了全球过半的农作物。因此，对小农农田的精确地图绘制对于制定多种政策具有巨大潜力，这些政策包括旨在解决粮食不安全问题、提供农业支持或鼓励适应气候变化的政策。然而，许多遥感绘制的农田地图在开发过程中倾向于识别大规模、集约化管理的田地。在此，我们以巴拉圭为研究区域，展示如何改进遥感土地覆盖图，以更好地提供关于小农农业的信息。我们发现，先前的地图由于将这些系统误分类为牧场、灌木丛和森林的混合体，严重低估了巴拉圭的小农农田。这些地图未能将55%至99%的小农田地（小于5公顷）识别为农田，从而忽视了该国超过5万至12万农民（占农业人口的16%至43%）。我们开发了全国范围的土地覆盖图，更准确地识别小农农田，并进行了一系列实验，以确定能够最大程度改进小农农田绘制的具体方法论实践。我们表明，与现有最佳农田地图相比，对训练样本进行适度调整可将巴拉圭小农作物的召回率提高超过27个百分点，而其他建模调整，如田块分割和10米像素分辨率，则进一步将小农作物的召回率提高8个百分点。我们的分析强调，遥感科学家需要更仔细地考虑作物系统的异质性，并确保所有农业系统在作物绘制的训练数据中都有代表性。