再生稻具有生育期短、产量高、省水和省工等优势，适宜在温光资源两季不足、一季有余的地区种植，成为主动适应气候变化、提高复种指数、稳定稻谷总产和有效降低农业生态环境问题的一种新型水稻种植模式。再生稻与单季稻和双季稻属不同的水稻种植模式，其生长期的光谱响应特征存在着明显的差异。已有的水稻种植模式的遥感监测方法并不适用于再生稻的监测，而针对再生稻的遥感识别方法和模型尚未确立。西南地区是我国主要的再生稻种植区之一，但多云雾天气下再生稻遥感识别关键参数的反演和建模会受到影响，具有较大的不确定性。本文选取重庆永川这一多云雨区作为研究对象，发展再生稻遥感监测模型，以期为丰富水稻遥感监测内容体系，为水稻响应气候变化机制及过程提供新的研究思路和方法。

图1 研究区概况

针对这一科学问题，西南大学李月臣教授团队基于Sentinel-1A数据，融合物候信息和后向散射信息构建再生稻微波遥感监测模型。借鉴相关研究采用Lee sigma滤波器对SAR数据进行降噪处理，进一步使用S-G滤波平滑干扰信息，保留曲线主要变化特征，使波峰、波谷更易识别。研究中使用对再生稻生长关键物候期更敏感VH后向散射系数特征，参考物候日历设计再生稻微波遥感监测对应的VH后向散射系数阈值模型。

图2 研究技术路线图

研究结果表明，模型在多云雨区再生稻监测效果较好，精度较高。基于野外实测数据验证，总体精度、Kappa系数、制图精度和用户精度分别为90.24%、0.80、85%和99%。与团队前期基于光学影像融合的再生稻遥感监测模型精度相当，时空精度明显优于其他研究成果。

表1 模型精度对比表

模型提取结果的空间细节信息存在一定“椒盐”现象，但总体上提取的再生稻边界与真实遥感影像背景具有较高的匹配度，提取结果与实际情况基本吻合。表明，在多云雨区模型能够较好的减小其他土地覆盖信息的干扰，有效区分再生稻和非再生稻区域。基于VH极化构建的再生稻监测模型与物候日历具有较好的一致性。模型通过比较物候期长短和关键物候期VH极化后向散射系统特征能够较好的区分再生稻与其他稻作类型，具有较好的适用性。

图3.研究区2020年再生稻遥感监测结果。A为再生稻空间分布及细节信息；B为各乡镇再生稻面积统计

该研究成果以“Mapping Ratoon Rice Fields Based on SAR Time Series and Phenology Data in Cloudy Regions”为题于2024年7月24日在线发表于中科院SCI二区期刊Remote Sensing, 西南大学地理科学学院李月臣教授为第一作者，团队成员赵荣坤和王月为共同一作。该成果是李月臣教授团队继2021年发表《Mapping a Paddy Rice Area in a Cloudy and Rainy Region Using Spatiotemporal Data Fusion and a Phenology-Based Algorithm》和2023年发表《Mapping the ratoon rice suitability region in China using random forest and recursive feature elimination modeling》后，在再生稻遥感监测领域取得又一成果。

系列成果链接：https://doi.org/10.3390/rs13214400

https://doi.org/10.1016/j.fcr.2023.109016

https://doi.org/10.3390/rs16152703