水稻是中国的主要粮食作物之一以及重要的甲烷排放源，区域尺度下准确的水稻种植面积信息对于保证中国粮食安全、理解气候变化与农作物之间的交互作用具有重要意义。遥感是获取区域农作物种植面积信息的主要手段，但光学遥感在多云雨天气的中国南部地区易受天气因素影响导致观测不足，而雷达遥感水稻识别特征的区域迁移性存在不足。针对这一问题，南京信息工程大学应用气象学院詹培老师基于合成孔径雷达遥感时序数据在水稻移栽期前后先下降后上升的V形特征（图1），提出了一种无需借助训练样本的雷达遥感水稻自动分类方法ARM-SARFS，并在多种水稻种植模式下对该方法的适用性进行验证(图2)。结果显示，ARM-SARFS相对于传统的雷达遥感水稻分类方法精度提升13%-37% ，同时该方法无需借助训练样本信息，适用于区域尺度的水稻空间分布自动制图。该成果发表于遥感类顶级期刊《Remote Sensing of Environment》，期刊影响因子10.16，同时也是ESI高被引论文。

图1.研究地点1（湖北）不同土地类型的Sentinel-1A VH backscatter时间特征，水稻移栽期前后呈先下降后上升的V形特征

图2.三个研究地点使用ARM-SARFS绘制的水稻图

论文题目：An automated rice mapping method based on flooding signals in synthetic aperture radar time series

期刊：Remote Sensing of Environment（IF：10.16）

全文链接： https://www.sciencedirect.com/science/article/pii/S0034425720304855