2020年长江沿岸（江苏段）水稻种植区数据集.pdf

水稻是中国主要粮食作物，同时也是种植面积最广的作物之一。长江沿岸水资源充沛，水稻种植具有一定优势，及时准确地监测水稻种植信息，可为保障我国粮食安全提供重要技术支撑。目前基于遥感技术提取长江沿岸水稻种植区的研究较少，本文选取 2020 年覆盖长江沿岸水稻生长期（59 月）的 Sentinel-2 卫星影像，依据水稻生长物候信息，利用高空间分辨率影像结合实地勘测，得到孟河镇水稻种植区真实分布图，并从中选取训练样本与验证样本。基于最大似然、神经网络、SVM（Support Vector Machine，支持向量机）等多种机器学习方法进行水稻提取研究，对比分析 NDVI（Normalized Difference Vegetation Index，归一化植被指数）、REP（Red Edge Position Index，红边位置指数）光谱指数集的提取结果精度。结果表明，基于 5、8、9 月的 3 个时相 REP 指数集，结合经神经网络分类器，提取效果最佳，其提取结果总体精度为 92.73%，Kappa 系数为 0.72。通过优选水稻提取的关键时相、光谱特征组合和分类器进行全局应用，并针对结果进行分类后处理，进而得到 2020 年长江沿岸（江苏段）水稻种植区矢量数据集，数据集总体分类精度为 87.15%。本数据集可为进一步监测长江沿岸地区水稻种植范围与提升粮食估产精度提供参考依据。关键词关键词：长江沿岸；Sentinel-2；REP；NDVI；水稻提取 数据数据库（集）库（集）基本基本信息简介信息简介 数据库（集）名称数据库（集）名称 2020 年长江沿岸（江苏段）水稻种植区数据集 数据作者数据作者 徐慧、米晓飞、曹维佳、牟晓莉 数据数据通通信信作者作者 曹维佳（）数据时间范围数据时间范围 2020年 地理区域地理区域 地理范围为313018.6632319.6 N，119743.91201540.42 E 数据量数据量 139 MB 数据格式数据格式*.shp 数据服务系统网址数据服务系统网址 https:/doi.org/10.11922/sciencedb.j00001.00350 基金项目基金项目 国家对地观测科学数据中心开放基金项目（NODAOP2021011）数据库（集）组成数据库（集）组成 数据集为矢量数据集，包含10个文件，其中：2020年长江沿岸（江苏段）水稻种植区矢量.shp文件为水稻种植区空间分布矢量主文件，*.shx为索引文件，*.dfb为数据库文件，其余文件均为附属文件。2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 www.csdata.org|2 引引 言言 水稻作为全球一半人口的主食，及时、准确地提取水稻种植面积，可以为政府、规划者和决策者制定政策提供有价值的信息1；水稻农业种植同时也涉及其他环境问题，包括水资源、气候变化（温室效应）和疾病传播等2。因此，水稻种植区提取对于了解和评估区域、国家和全球各级粮食安全、环境安全等具有重要意义。传统水稻面积统计方式主要基于现场调查核验种植情况，并对稻田进行面积量算3，该方法需要大量人力，且耗时较长4-5。遥感技术凭借其经济性、实时性、大面积同步观测等优势，被广泛地应用于各个行业。近年来随着科学技术的日益精进，遥感技术飞速发展，基于遥感手段提取水稻种植面积被证明是有效便捷的方法之一3,6-10。目前利用遥感手段提取水稻种植区的相关研究主要分为三类：（1）光学遥感；（2）微波遥感；（3）光学遥感与微波遥感结合。基于遥感手段提取的江苏省水稻种植区研究主要集中在 2020 年以前11-12，难以满足近年的水稻种植区分布信息获取需求。因此，开展 2020 年及后续的水稻种植区提取研究对于及时了解水稻种植情况具有重要意义。本数据集针对 2020 年长江沿岸（江苏段）水稻种植区域，选取 2020 年 59 月长时间序列的 Sentinel-2 数据，计算 NDVI、REP 指数，形成多时相指数数据集；基于高分系列卫星遥感数据、北京二号卫星遥感数据结合实地勘测，获取试验区水稻种植区真实图；从中选取训练样本和验证样本，利用机器学习算法与传统分类法先进行试验区水稻种植区提取；并评定分类精度，进一步优选分类数据集及分类器；随后进行大区域分类应用，最终预测 2020 年长江沿岸（江苏段）水稻种植区分布情况，为区域相关部门提供 2020 年水稻种植区分布信息。1 数据采集和处理方法数据采集和处理方法 数据采集和处理包括遥感数据和实测数据的获取以及数据的相关处理，其中数据处理包括数据预处理与指数计算、数据集与分类器优选、全局应用三个部分。遥感提取长江沿岸（江苏段）水稻种植区数据集具体流程如图 1 所示。图图 1 水稻种植区提取流程图水稻种植区提取流程图 Figure 1 Flow chart of paddy rice planting area extraction 2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 中国科学数据中国科学数据,2023,8(3)|3 1.1 数据获取数据获取 数 据 来 源 于 江 苏 天 汇 空 间 信 息 研 究 院 有 限 公 司 天 汇 景 数 据 服 务 平 台13（https:/ 2020 年 412 月长江沿岸（江苏段）（图 2）的高分系列（高分一号、高分二号、高分六号）、北京二号、Sentinel-2 影像进行搜索下载。图图 2 研究区范围研究区范围 Figure 2 Study area 其中，高分一号卫星于 2013 年 4 月 26 日成功发射，搭载了两台高分相机，每台相机包含 2 m分辨率全色和 8 m 分辨率多光谱，四台 16 m 分辨率多光谱宽幅相机；高分二号卫星于 2014 年 8 月19 日成功发射，是我国自主研制的首颗空间分辨率优于 1 m 的民用光学遥感卫星，搭载有两台高分辨率 1 m 全色、4 m 多光谱相机实现拼幅成像；高分六号卫星于 2018 年 6 月 2 日成功发射，主要应用于精准农业观测、林业资源调查等行业，实现了 8 谱段探测器的国产化研制，是国内首次增加能够有效反映作物特有光谱特性的“红边”波段，大幅提高了农业、林业、草原等资源监测能力；北京二号卫星于北京时间 2015 年 7 月 11 日在印度成功发射，轨道高度为 651 km。由 3 颗 0.8 m 空间分辨率的光学遥感卫星组成，幅宽约 24 km，全色波段 0.8 m 空间分辨率，多光谱为 3.2 m 空间分辨率。Sentinel-2 携带一个光学仪器有效载荷，包含 13 个光谱波段，其中：4 个 10 m 空间分辨率波段、6 个 20 m 空间分辨率波段和 3 个 60 m 空间分辨率波段，轨道带宽度为 290 km，并在红色边缘区域加入了以 705 nm、740 nm 和 783 nm 为中心波长的三个新波段，适用于作物物候检测和测绘14-19。选择云量较少、质量较好的影像数据，并结合江苏省水稻生长周期20（表 1），避开各地块因播种与收割不同步造成水稻提取误差，并最终确定用于水稻提取的影像，本研究所用卫星影像的时间、空间分辨率等信息如表 2 所示。表表 1 江苏典型区夏季水稻物候江苏典型区夏季水稻物候 Table 1 Typical areas for paddy rice phenology in summer of Jiangsu Province 时时间间 5 月月 6 月月 7 月月 8 月月 9 月月 10 月月 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 播种 生长期 分蘖 生长期 开花 生长期 成熟 2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 www.csdata.org|4 表表 2 影像相关信息影像相关信息 Table 2 Image information 卫星卫星 拍摄时间拍摄时间 空间分辨率（空间分辨率（m）波段数波段数 空间范围空间范围 Sentinel-2 2020.05.23 2020.08.16 2020.09.05 2020.09.20 10、20、60 10（重采样）12 313018.63N322938.91N;119621.87E1201747.27E.高分系列 高分一号 2020.06.30 多光谱/全色 8/2 5 313210.81N321452.96N;119313.94E1202130.19E.高分六号 2020.08.18 313337.86N323017.31N;119341.7E120473.72E.2020.11.08 313314.62N323045.44N;1193418.33E1204828.38E.高分二号 2020.08.19 多光谱/全色 4/1 31545.56N32950.86N;1194222.56E12027.41E.2020.10.17 315439.86N32934.34N;119399.43E1195727.10E.北京二号 2020.03.05 多光谱/全色 3.2/0.8 314648.55N315222.52N;1195540.19E120240.93E.2020.04.07 314441.82N315742.36N;1194316.34E1195815.08E.2020.09.04 314646.42N315633.09N;1195159.28E120316.13E.2020.10.02 31477.62N314939.07N;1194611.68E1195333.49E.2020.11.09 314557.38N315420.78N;1195057.79E120258.15E.1.2 数据处理数据处理 高分系列卫星数据与北京二号数据均为一级产品数据，首先利用 ENVI 软件进行正射校正、辐射定标、大气校正以及图像融合处理，并利用 ArcGIS 软件进行地理配准，结合水稻生长物候信息与实地勘测数据进行常州市新北区孟河镇水稻种植分布真实图制作，以及分类训练样本集与验证样本的绘制。获取的 Sentinel-2 数据为二级产品数据，该数据为大气校正后产品，利用 SNAP 软件进行重采样处理，并进行 NDVI、REP 指数计算；针对多时相 NDVI 和 REP 指数数据集，进行波段组合和数据增强处理；使用多分类器对孟河镇区域影像进行分类处理，针对分类结果进行分类精度评定进行数据集和分类器优选，随后进行大范围长江沿岸（江苏段）水稻种植区提取；经分类后处理，最终预2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 中国科学数据中国科学数据,2023,8(3)|5 测 2020 年长江沿岸（江苏段）水稻种植区分布的矢量数据集。详细处理步骤如下：（1）数据预处理。高分系列数据、北京二号数据依次进行几何校正、辐射定标、大气校正、图像融合，获得高空间分辨率的影像数据，用以进行孟河镇水稻种植区解译。通过 SNAP 软件针对Sentinel-2 的采样工具进行空间分辨率重采样，通过重采样处理，12 个波段分辨率均为 10 m，便于后续指数计算等处理；（2）指数计算。利用 SNAP 软件中植被辐射指数模块计算 NDVI、REP 指数。计算公式如下：=(2 1)(2+1)（1）=705+35 (1+12 2)(3 2)（2）式中1表示第四波段，2表示第五波段，3表示第六波段，NIR1表示第七波段，2表示第八波段。（3）指数计算与通道组合。利用 ENVI 软件将各期 NDVI、REP 数据分别进行差值处理，并将各时相的两类指数以及对应的差值影像数据进行通道组合。（4）训练集与验证集制作。结合融合后的高分系列和北京二号数据与实地勘测数据，绘制常州市新北区孟河镇水稻种植区真实分布图。并以此为参考利用 ENVI 软件随机勾画 60 个具有典型特征的水稻种植区域地块作为分类训练集样本，将试验区其他水稻种植地块作为验证集样本。验证集样本空间分布如图 3 所示，共计 1332 个。图图 3 孟河镇水稻种植区验证样本空间分布图孟河镇水稻种植区验证样本空间分布图 Figure 3 Spatial distribution of validation samples from paddy rice planting areas in Menghe town（5）图像裁剪与拉伸增强。结合孟河镇区域矢量数据对各项数据集进行裁剪、拉伸增强显示，并叠加孟河镇水稻矢量进行目视判断，进行分类数据集的初步筛选。（6）数据分类与精度评定。结合步骤（4）中的训练样本集与步骤（5）中目视效果较好的数据集，采用最小距离法、最大似然法、神经网络法和支持向量机法分别进行分类处理。其中神经网络分类算法采用 BP（Back Propagation）神经网络，活化函数为对数，迭代次数为 100，隐藏层为 1，均方根误差值为 0.1，权重调节速度为 0.2，训练贡献阈值为 0.9；SVM 核函数为多项式，核心多项式次数为 2，偏置为 1，gamma 为 0.333，惩罚参数为 100，分级处理等级为 0，概率阈值为 0。并结2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 www.csdata.org|6 合孟河镇水稻种植区验证集数据进行精度评价，包括总体分类精度和 kappa 系数。（7）长江沿岸（江苏段）水稻分类。对比步骤 6 中的孟河镇水稻种植区域不同提取结果的分类精度，进行多时相数据通道组合数据集和分类器的优选，从而进行全局应用21-22，预测 2020 年长江沿岸（江苏段）水稻种植区分布情况，并选取 5453 个水稻种植地块样本进行分类精度评定，验证样本空间分布图如图 4 所示。图图 4 研究区水稻种植区验证样本空间分布图研究区水稻种植区验证样本空间分布图 Figure 4 Spatial distribution of validation samples from paddy rice planting areas in the study area（8）水稻种植区分布矢量数据集制作。针对全局分类结果数据进行矢量化，利用 ArcGIS 软件进行矢量面积计算，剔除小面积碎斑区域，最终得到 2020 年长江沿岸（江苏段）水稻种植区分布矢量结果。2 数据样本描述数据样本描述 2.1 数据组成数据组成 本数据集为 2020 年长江沿岸（江苏段）水稻种植区矢量数据集。该数据集坐标系为 WGS-1984，投影类型为 UTM，数据范围为 313018.66N32319.6N，119743.9E1201540.42E，数据量为139 MB，包括数据库文件、矢量数据、矢量坐标信息等 10 个文件。2.2 数据样本数据样本 利用 ENVI 和 ARCGIS 等软件通过第 1 章中各步骤处理方法，得到长江沿岸（江苏段）水稻种植区矢量数据集。水稻种植区矢量数据命名格式为：长江沿岸（江苏段）水稻种植区矢量.shp。数据图层展示如图 5 所示。2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 中国科学数据中国科学数据,2023,8(3)|7 图图 5 长江沿岸（江苏段）水稻种植区分布图长江沿岸（江苏段）水稻种植区分布图 Figure 5 Distribution of paddy rice planting areas along the Yangtze River(Jiangsu section)3 数据质量控制和评估数据质量控制和评估 针对高分系列、北京二号卫星数据，进行几何校正、辐射定标、大气校正和图像融合处理，并在孟河镇进行实地勘测，确保用于水稻提取的训练样本和精度评定的验证样本的准确性。依据表 1 中水稻生长周期，进行 Sentinel-2 影像数据的下载与选取，受天气影响 6 月与 7 月影像数据在本次数据集中未使用，对本次实验的水稻生长物候数据连续性有所影响，进而对水稻提取的方法有所局限。同时，受影像空间分辨率限制，小于 100 m2的地块无法提取，使得本数据集存在一定误差。对各数据集分类结果进行 4 类分类器的精度评价，以 5 月 23 日、8 月 16 日与 9 月 5 日的 REP指数组成的数据集为例，其分类精度如表 3 所示。表表 3 精度评价表精度评价表 Table 3 The table of accuracy evaluation 精度精度 分类器分类器 最小距离最小距离 最大似然最大似然 神经网络神经网络 支持向量机支持向量机 总体分类精度 92.34%92.43%92.73%92.44%Kappa 系数 0.70 0.70 0.72 0.71 针对第 1.2 节中的处理步骤（5）中初步筛选后的数据集，均以孟河镇为小范围试验区进行分类及精度比较，最终选用神经网络分类器进行全局应用，预测大范围的长江沿岸（江苏段）水稻种植区分布结果。针对分类结果在研究内选取均匀分布的 5453 个水稻种植地块样本作为验证样本进行精度评定，总体分类精度为 87.15%。2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 www.csdata.org|8 4 数据价值数据价值 目前水稻提取研究主要集中在数据源与提取方法的对比研究，或是针对某一特定小区域范围内的水稻种植区进行研究，展示形式以提取方法的精度对比、小区域水稻分布图、面积统计数据为主等，后续在其他区域较难直接利用。本数据集由多源遥感数据结合实地勘测而得出，覆盖范围广，可实现大范围水稻种植基础信息获取。可用于研究长江沿岸水利与农业生产间的关系，并对于区域、国家粮食产量估算与粮食安全保障具有潜在价值。本数据集为水稻种植区矢量数据，文件数据量小，方便用户了解 2020 年长江沿岸（江苏段）水稻种植区空间分布等相关信息。5 数据使用方法和建议数据使用方法和建议 2020 年长江沿岸（江苏段）水稻种植区数据集保存为 shp 格式，可以在 ENVI、ArcGIS 等相关软件中对数据进行读取、编辑以及统计分析等工作。依据地方农业相关部门需求，掌握水稻种植信息对于制定相关农业计划政策等至关重要，本数据集可以作为长江沿岸以及江苏省水稻种植空间分布、面积变化统计分析、其他年份种植面积对比数据以及水稻产量预估等基础数据。数据作者分工职责数据作者分工职责 徐慧（1995），女，安徽省滁州市人，硕士研究生，研究方向为遥感数据处理与分析。主要承担工作：基础数据的收集、数据处理、论文撰写。米晓飞（1985），女，山西省朔州市人，博士研究生，研究方向为遥感分类。主要承担工作：论文修订与技术校验。曹维佳（1987），女，北京人，博士研究生，研究方向为图像处理、机器学习、数据安全。主要承担工作：总体方案设计、论文修订、数据质量控制。牟晓莉（1996），女，山东省烟台市人，硕士研究生，研究方向为资源环境遥感。主要承担工作：数据汇集和整理，论文编写建议。参考文献参考文献 1 ZHAO R K,LI Y C,MA M G.Mapping paddy rice with satellite remote sensing:a reviewJ.Sustainability,2021,13(2):503.DOI:10.3390/su13020503.2 DONG J W,XIAO X M.Evolution of regional to global paddy rice mapping methods:a reviewJ.ISPRS Journal of Photogrammetry and Remote Sensing,2016,119:214227.DOI:10.1016/j.isprsjprs.2016.05.010.3 MOSLEH M K,HASSAN Q K,CHOWDHURY E H.Application of remote sensors in mapping rice area and forecasting its production:a reviewJ.Sensors,2015,15(1):769791.DOI:10.3390/s150100769.4 REYNOLDS C A,YITAYEW M,SLACK D C,et al.Estimating crop yields and production by integrating the FAO Crop Specific Water Balance model with real-time satellite data and ground-based ancillary dataJ.International Journal of Remote Sensing,2000,21(18):34873508.DOI:10.1080/014311600750037516.5 PRASAD A K,CHAI L,SINGH R P,et al.Crop yield estimation model for Iowa using remote sensing and surface parametersJ.International Journal of Applied Earth Observation and Geoinformation,2006,2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 中国科学数据中国科学数据,2023,8(3)|9 8(1):2633.DOI:10.1016/j.jag.2005.06.002.6 TENNAKOON S B,MURTY V V N,EIUMNOH A.Estimation of cropped area and grain yield of rice using remote sensing dataJ.International Journal of Remote Sensing,1992,13(3):427439.DOI:10.1080/01431169208904047.7 FANG H L,WU B F,LIU H Y,et al.Using NOAA AVHRR and Landsat TM to estimate rice area year-by-yearJ.International Journal of Remote Sensing,1998,19(3):521525.DOI:10.1080/014311698216134.8 XIAO X M,BOLES S,LIU J Y,et al.Mapping paddy rice agriculture in Southern China using multi-temporal MODIS imagesJ.Remote Sensing of Environment,2005,95(4):480492.DOI:10.1016/j.rse.2004.12.009.9 GUMMA M K,NELSON A,THENKABAIL P S,et al.Mapping rice areas of South Asia using MODIS multitemporal dataJ.Journal of Applied Remote Sensing,2011,5(1):053547.DOI:10.1117/1.3619838.10 Lee N,Monica A,Daratista I.Mapping Indonesian paddy fields using multiple-temporal satellite imageryJ.African Journal of Agricultural Research,2012,7(28):4038-4044.DOI:10.5897/AJAR12.148.11田婷,张青,张海东,等.基于无人机遥感的水稻产量估测J.中国稻米,2022,28(01):67-71,77.DOI:10.3969/j.issn.1006-8082.2022.01.014.TIAN T,ZHANG Q,ZHANG H D,et al.Estimating Yield of Rice Based on Remote Sensing by Unmanned Aerial VehicleJ.China Rice,2022,28(01):67-71,77.DOI:10.3969/j.issn.1006-8082.2022.01.014.12孙玲,王晶晶,邱琳,等.江苏省水稻主产区水稻种植面积时空动态变化分析J.中国农业信息,2020,32(02):45-55.DOI:10.12105/j.issn.1672-0423.20200205.SUN L,WANG J J,QIU L,et al.Analysis on the spatial-temporal dynamic changes of rice planting area in the main rice production area of Jiangsu provinceJ.China Agricultural Informatics,2020,32(02):45-55.DOI:10.12105/j.issn.1672-0423.20200205.13 江 苏 天 汇 空 间 信 息 研 究 院 有 限 公 司.天 汇 搜 索 EB/OL.2021-03-01.https:/ of Aerospace Information Applications,Co.,Ltd.TianHui SearchEB/OL.2021-03-01.https:/ SON N T,CHEN C F,CHEN C R,et al.Classification of multitemporal Sentinel-2 data for field-level monitoring of rice cropping practices in TaiwanJ.Advances in Space Research,2020,65(8):19101921.DOI:10.1016/j.asr.2020.01.028.15 王克晓,周蕊,虞豹,等.基于遥感的西南地区水稻种植信息提取J.江苏农业科学,2019,47(19):231235.DOI:10.15889/j.issn.1002-1302.2019.19.054.WANG K X,ZHOU R,YU B,et al.Extraction of rice planting information based on RS in Southwest ChinaJ.Jiangsu Agricultural Sciences,2019,47(19):231235.DOI:10.15889/j.issn.1002-1302.2019.19.054.16 陈安旭,李月臣.基于 Sentinel-2 影像的西南山区不同生长期水稻识别J.农业工程学报,2020,36(7):192199.DOI:10.11975/j.issn.1002-6819.2020.07.022.CHEN A X,LI Y C.Rice recognition of different growth stages based on Sentinel-2 images in mountainous areas of Southwest ChinaJ.Transactions of the Chinese Society of Agricultural Engineering,2020,36(7):192199.DOI:10.11975/j.issn.1002-6819.2020.07.022.17 RAMADHANI F,PULLANAGARI R,KERESZTURI G,et al.Automatic mapping of rice growth stages using the integration of SENTINEL-2,MOD13Q1,and SENTINEL-1J.Remote Sensing,2020,2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 www.csdata.org|10 12(21):3613.DOI:10.3390/rs12213613.18 蔡耀通,刘书彤,林辉,等.基于多源遥感数据的 CNN 水稻提取研究J.国土资源遥感,2020,32(4):97104.DOI:10.6046/gtzyyg.2020.04.14.CAI Y T,LIU S T,LIN H,et al.Extraction of paddy rice based on convolutional neural network using multi-source remote sensing dataJ.Remote Sensing for Land&Resources,2020,32(4):97104.DOI:10.6046/gtzyyg.2020.04.14.19 FIORILLO E,DI GIUSEPPE E,FONTANELLI G,et al.Lowland rice mapping in Sdhiou region(senegal)using sentinel 1 and sentinel 2 data and random forestJ.Remote Sensing,2020,12(20):3403.DOI:10.3390/rs12203403.20 段春华,张汛,尹凡.基于国产高分卫星影像的水稻种植区提取:以江苏苏中地区为例J.卫星应用,2021(2):5964.DOI:10.3969/j.issn.1674-9030.2021.02.013.DUAN C H,ZHANG X,YIN F.Extraction of rice planting area based on domestic high-resolution satellite imagesa case study of the middle Jiangsu ProvinceJ.Satellite Application,2021(2):5964.DOI:10.3969/j.issn.1674-9030.2021.02.013.21 韩燕,王玲,罗冲.随机森林算法在干旱区土地利用遥感分类中的应用研究J.石河子大学学报(自然科学版),2017,35(1):95101.DOI:10.13880/ki.65-1174/n.2017.01.016.HAN Y,WANG L,LUO C.Application of random forest algorithm in the remote sensing classification of land use in arid regionJ.Journal of Shihezi University(Natural Science),2017,35(1):95101.DOI:10.13880/ki.65-1174/n.2017.01.016.22 徐知宇.基于深度学习的城市绿地遥感分类及应用研究D.中国科学院大学(中国科学院空天信息创新研究院),2021.DOI:10.44231/ki.gktxc.2021.000033.XU Z Y.Research on Remote Sensing Classification and Application of Urban Green Space Based on Deep LearningD.Aerospace Information Research InstituteUniversity of Chinese Academy of Sciences,2021.DOI:10.44231/ki.gktxc.2021.000033.论文论文引用格式引用格式 徐慧,米晓飞,曹维佳,等.2020 年长江沿岸（江苏段）水稻种植区数据集J/OL.中国科学数据,2023,8(3).(2023-08-22).DOI:10.11922/11-6035.noda.2021.0019.zh.数据数据引用格式引用格式 徐慧,米晓飞,曹维佳,等.2020 年长江沿岸（江苏段）水稻种植区数据集DS/OL.Science Data Bank,2023.(2023-09-08).DOI:10.11922/sciencedb.j00001.00350.2020 年长江沿岸（江苏段）水稻种植区数据集年长江沿岸（江苏段）水稻种植区数据集 www.csdata.org|11 A dataset of paddy rice planting areas along the Yangtze River(Jiangsu section)in 2020 XU Hui1,3,MI Xiaofei1,2,3,CAO Weijia1,2,3*,MOU Xiaoli1,3 1.Institute of Aerospace Information Applications,Co.,Ltd.,Changzhou 213002,P.R.China 2.Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100094,P.R.China 3.The Yangtze Three Gorges Technology and Economy Development Co.,Ltd.,Beijing 101100,P.R.China*Email:weijiacaoum.edu.mo Abstract:As a staple food crop in China,paddy rice is one of the most widely grown crops in the country.Thanks to its abundant water resources,the Yangtze River has superiority in paddy rice planting.The prompt and accurate monitoring of paddy rice planting information plays an important role in providing essential technical support to safeguard Chinas food secur