农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000—2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据
【目的】作为农作物长势监测、产量估测和灾害评估的基础,及时、准确获取农作物空间分布信息对农业生产管理、农业可持续发展及国家粮食安全等具有重要意义。【方法】文章从农作物遥感制图的研究热点和前沿出发,基于Science Citation Index Expanded(SCIE)和CNKI数据库,利用VOSviewer软件对2011—2020年农作物遥感制图领域的年文献量、属地分布、合作关系、发文机构、热门期刊和研究热点进行知识图谱分析。【结果】总体上,作物制图领域近10年来论文发表数量在不断增加,可大致分为缓慢增长(2011—2014年)、快速增长(2015—2018年)和持续稳步增长(2019—2020年)3个阶段。以中国和美国为代表的经济快速发展国家和地区普遍重视农作物遥感制图领域研究,发文量多、影响力大。世界各国之间的合作关系逐渐增多与密切,多方合作是未来的趋势。中国在作物制图领域的发文机构与发文数量较多,但论文被引频次稍逊于美国。从研究热点看,农作物分类对象仍然以主粮作物为主,分类方法从传统机器学习向深度学习发展。【结论】农作物制图过去10年领域取得了长足的进展:发文总量总体提升迅速、国内外机构合作愈加紧密,多源数据协同、历史观测数据融合应用、分类算法的改进、特征组合的优化是未来农作物遥感制图研究的重要方向。