Ученые представили высокодетальную карту рисовых полей Африки для глобальной продовольственной безопасности

Исследовательская группа из Института аэрокосмической информации (AIR) Китайской академии наук представила первую для Африки высокодетальную карту распределения риса с разрешением 20 метров. Набор данных за 2023 год, недавно опубликованный в журнале Earth System Science Data, охватывает африканские страны, где площади под рисом на национальном уровне превышают 5000 гектаров.

Исследование демонстрирует среднюю точность классификации более 85% и линейную корреляцию (R²) более 0,9 при сравнении с национальной статистикой. Набор данных теперь открыт для глобального научного сообщества и, как ожидается, сыграет ключевую роль в оценке прогресса по Цели устойчивого развития ООН 2 (SDG2), направленной на ликвидацию голода.

Рис — третья по важности продовольственная культура в Африке, играющая стратегическую роль в обеспечении региональной продовольственной безопасности. Хотя на континент приходится лишь 4,7% мирового производства риса, спрос на него в Африке растет со скоростью более 6% в год, опережая другие основные культуры. В ответ на растущий спрос африканские страны расширяли посевные площади в среднем на 400 000 гектаров ежегодно за последние три десятилетия.

В 2023 году Африканский центр риса представил «Стратегию исследований и инноваций в области риса в Африке до 2030 года». Однако рисоводство в Африке сталкивается с серьезными проблемами, включая уязвимость к изменению климата, урбанизации и обезлесению.

Кроме того, картирование риса в Африке осложняется разнообразным климатом континента, ведущим к различным сезонам посадки. Распространенность богарного риса, не имеющего четких сигналов затопления, характерных для орошаемых систем, затрудняет картирование на основе фенологии. В результате основным подходом стало объединение данных временных рядов с контролируемой классификацией.

Существующие продукты по распределению риса в регионе имеют низкое разрешение (грубее 5 км), что осложняет идентификацию рисовых площадей. Разнообразие рельефа и методов ведения сельского хозяйства добавляет сложностей.

Для решения этих проблем исследователи разработали инновационный подход, сочетающий двухполяриметрические характеристики обратного рассеяния РЛС с алгоритмами машинного обучения. Их метод, названный «грубая локализация на основе обратного рассеяния с последующей уточненной классификацией по мультиисточниковым временным рядам», позволяет точно картировать районы с разнообразными циклами посадки и богарными системами. Команда также предложила классификатор важности объектно-ориентированных признаков, выходящий за рамки традиционных оптических методов.

Ожидается, что это исследование поддержит политику продовольственной безопасности, сельскохозяйственные исследования и мониторинг ЦУР как в Африке, так и за ее пределами.