中国东北地区2000-2023年30米分辨率水稻年际分布数据集：粮食安全与环境效应的时空解析

本研究创新性地构建了中国东北地区2000-2023年30米分辨率水稻时空分布数据集(NECAR)，通过Google Earth Engine平台融合Landsat5/7/8时序数据，采用随机森林分类(RF)和CCVS样本筛选方法，首次实现了该区域高精度长时序水稻制图。研究成果为粮食安全评估和温室气体(CH4)排放研究提供了重要数据支撑，总体分类精度(OA)达0.93-0.99，与统计年鉴数据高度吻合(R2≥0.7)。

　　

背景与意义

作为全球重要的粮食作物，水稻不仅是粮食安全的保障，更是温室气体(GHG)排放的重要来源，贡献了约22%的全球农业甲烷(CH₄)排放。中国东北平原作为"黄金水稻带"，贡献了全国近20%的稻谷产量。然而，该区域长期缺乏高分辨率、长时间序列的水稻分布数据，制约了相关环境经济效应的深入研究。

数据与方法创新

研究团队开发了基于Google Earth Engine平台的创新框架：1) 采用分层筛选原则选取地面样本；2) 对Landsat5/7/8时序数据进行线性插值和Whittaker平滑处理；3) 构建增强型光谱特征集。特别针对2012年数据空缺问题，创新性地采用STARFM模型融合MODIS数据重建了30米分辨率时序。

关键技术突破

研究提出了基于植被物候和地表水变化的CCVS方法，通过计算LSWI与EVI2变化幅度比(RCIE)来识别水稻样本。该方法充分利用了水稻在移栽至抽穗期独特的光谱特征：持续高LSWI值和急剧上升的EVI2值。通过Jeffries-Matusita距离优化阈值，显著提高了分类精度。

研究成果验证

数据集验证显示：1) 总体分类精度(OA)0.93-0.99，Kappa系数0.89-0.95；2) 与统计年鉴数据高度吻合(R²≥0.7)；3) 与其他产品(NETCs-30m等)比较显示更高空间一致性。研究还发现，2000-2023年间东北水稻种植呈现明显的北扩趋势，这与气候变暖和农业技术进步密切相关。

应用前景

该数据集为多学科研究提供了重要基础：1) 精准评估水稻产量波动；2) 量化农业温室气体排放；3) 优化水资源管理策略；4) 支撑黑土保护政策制定。30米的高分辨率特性使其特别适合分析破碎化农田的精细变化。