近期，外交部官网正式发布了2024地球大数据支撑联合国可持续发展目标报告，福州大学数字中国研究院农业遥感研究团队邱炳文研究员组织实施的研究案例“全球茶园空间分布数据集”，经过中科院层层筛选与评审，成功入选为《地球大数据支撑可持续发展目标报告(2024)》案例报告（第13-15页，见下图），服务于联合国可持续发展目标SDG2零饥饿行动，旨在提高农业生产力（SDG 2.3）。9月25日《地球大数据支撑可持续发展目标报告（2024）》在第79届联合国大会未来峰会期间向与会各国代表发放，并在联合国网站上正式发布。与过去五年发布的报告相比，该报告在零饥饿等四个关键领域实现了“首次”突破，其中包括本案例所贡献的首次实现重要农林经济作物茶园典型国家空间分布制图，揭示了亚非部分粮食安全风险区域存在茶园与粮争地现象。邱炳文研究员项目团队所贡献的全球茶园案例，作为该报告SDG2部分的成果亮点（第10页）。该报告通过外交部正式提交联合国，为服务可持续发展目标与实现2030可持续发展议程贡献中国智慧。
我国茶叶产量常年稳居世界榜首。作为茶叶的故乡，中国茶产业发展历史悠久、源远流长，具有深厚的文化底蕴。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。高精度地理时空大数据对于SDG评估至关重要，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。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，构建了大尺度茶园自动制图框架。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。项目组基于所设计的大尺度茶园自动制图模型，研发构建了全球主要产茶国2022年茶园分布数据集。
近年深度学习驱动作物识别技术取得了突破性进展，但是受制于样本获取代价高昂，大范围应用亟需高效迁移技术。在作物分类领域，分类模型与算法已经不再是制约分类精度的关键因素。建立农作物标志性遥感特征，将领域知识与模型算法融合，成为大尺度农作物智能识别的发展趋势。然而既有研究尚未建立面向全口径农作物识别的标志性遥感特征，对训练样本数据的依存度高，难以满足我国多熟制复杂种植区大尺度业务化运行需求。针对作物响应机理不明晰以及制图精度严重依赖训练样本数据等问题，该研究团队通过全面系统探索作物多维度属性和协同识别机理，引导建立大尺度作物自动识别框架，用少量标志性特征精准表征作物类型，创建了无监督样本情况下高精度大尺度作物自动识别技术，涵盖水稻、小麦、玉米、大豆、土豆、高粱、花生、烟叶、茶叶等多种作物类型，有助于大幅提升大尺度农作物时空分布数据产品的内涵与质量。邱炳文研究团队在农业遥感与可持续发展领域取得了系列研究成果，发表了多篇国际顶级期刊论文，创建共享大尺度长时序耕地复种指数以及农作物种植模式时空连续分布数据库，为我国乃至全球粮食安全战略提供技术方法与数据支撑。
SDG报告或相关论文成果链接
https://sdgs.un.org/events/big-earth-data-strengthening-potential-digital-technologies-sdgs-post-covid-world-52849
https://www.sciencedirect.com/science/article/abs/pii/S0034425724000270
http://www.cbas.ac.cn/yjcg/yjbg/
http://adcfj.cn/sirc/door/team/TeacherList/Detail?personId=431
