福州大学数字中国研究院（福建）邱炳文研究团队在国际顶级期刊Remote Sensing of Environment（SCI中科院一区TOP，IF13.5）上发表了最新研究成果：“基于作物知识图谱和Sentinel 1/2遥感时序数据的茶园制图框架”（Where is tea grown in the world: A robust mapping framework for agroforestry crop with knowledge graph and sentinels images）。邱炳文研究员为通讯作者、博士生彭玉凤为第一作者。研究工作获得国家自然科学基金项目资助。该研究成果与中国农科院农业资源与农业区划研究所、北京师范大学、香港中文大学、香港大学、陕西测绘局等多家单位共同合作研发。

茶树（Camellia sinensis）是一种典型的农林作物，在60多个国家种植。茶叶，作为世界上最大的保健饮料，在支撑“一带一路”建设和乡村振兴等国家战略中占有重要地位。我国茶叶产量常年稳居世界榜首。茶树作为多年生农作物，在我国很多省份均有分布。准确的全国作物数据对于有效的农业管理和资源监管至关重要。然而，农林经济作物数据的缺乏问题，阻碍了联合国可持续发展目标实施。然而，茶树作为小宗农作物，其分布稀疏零散，和低矮灌木、果园等光谱混淆严重，给大尺度茶园制图带来很大挑战。

为了应对这些挑战，项目组从茶园独特的经营管理措施出发，构建了融合光学与雷达时序数据的茶园制图框架（MAP-Tea）。通过探索茶园成垄种植以及年内经历多次萌芽采摘等引起的光学和雷达响应特征，分别结合雷达时序数据纹理的时序变异性以及单位叶面积酚类化合物丰度等方面设计茶园制图指数，可用于大尺度茶园自动制图。基于Sentinel-2 MSI的植被、色素、土壤指数以及Sentinel-1雷达后向散射时序数据集，构建了中国首张全国尺度10米分辨率高精度茶园分布图。基于广泛分布于全国的16,712个参考样本验证结果表明，茶园制图算法总体精度为94.87%，kappa系数为0.83，F1得分为85.63%。该研究通过科学探索农作物在管理措施、作物属性及其光学与雷达数据的响应机理，为创建大尺度小宗作物自动制图方法开辟了新思路。

文章链接：

https://www.sciencedirect.com/science/article/abs/pii/S0034425724000270

https://www.researchgate.net/publication/378643759_Where_is_tea_grown_in_the_world_A_robust_mapping_framework_for_agroforestry_crop_with_knowledge_graph_and_sentinels_images

首套10m全国尺度茶树数据产品（ChinaTea10m）数据下载地址：

https://doi.org/10.6084/m9.figshare.25047308

图1 全球茶园分布概况图

图2茶园识别知识图谱和茶园制图框架

图3中国2022年10m高精度茶园分布图

图4 茶园空间分布格局及其影响因素分析结果图

审图号：GS (2020) 4234