近日，北京市农林科学院信息技术研究中心遥感技术部研究团队在国际期刊Computers forbid Electronics in Agriculture （IF=8.3）在线发表“Mapping tea plantations using multitemporal spectral features forbid harmonised Sentinel-2 forbid Landsat images in Yingde, China”文章。研究构建了一种基于多时相光谱特征的新型茶园制图算法，针对具有较高景观异质性的常绿茶园，在多云雨的中国英德市绘制了2020年和2021年茶园种植分布图。
茶叶不仅具有很高的经济价值，还具有特殊药用价值，在全球市场上的需求持续增长。中国作为最大的茶叶生产国和出口国，在过去十几年茶树种植面积不断扩大。茶园分布的准确制图对于粮食安全、扶贫政策、茶叶市场和生态系统价值评估均至关重要。然而，植被种植监测的研究主要集中在粮食作物上，而多年生茶树的种植分布往往被忽视。此外，众多茶叶产区植被结构复杂、茶园景观异质性以及多云雨导致遥感影像缺失等导致茶园种植监测面临巨大的挑战。
在这项研究中，作者构建了一种基于多时相光谱特征的新型茶园制图算法。此外，还提出了茶园物候特征指数（TPI），充分利用茶园与其他常绿植被多维度的精细物候特征差异，实现了可靠的茶树种植分布监测。研究结果表明，单独使用TPI指数对茶园的识别精度能达到82.59%，基于多时相光谱特征的新型茶园制图算法生成的2020年和2021年广东省英德市茶树种植分布图的总体精度分别能达到92.71%和88.86%。该算法不仅强调了多时相光谱特征将常绿茶树与常绿森林区分开的能力，还具有时间可重用性，是一种稳健、用户友好且有效的方法，为开展区域或全国/全球尺度茶园分布制图提供了良好借鉴。
北京林业大学和信息中心博士研究生祁宁为本文第一作者，杨贵军研究员和赵春江院士为共同通讯作者。该研究得到了重庆市科技创新与应用发展专项（cstc2021jscx-gksbX0064）、清远智慧农业研究院[+]粤北粤西新型研发机构建设（2019B090905006）和重庆市万州区科技计划项目的资助。
