印度卢比田 rice paddy 作物域遥感映射：针对 Telangana 州的案例研究

准确的稻作面积监测对于小规模农业地区的粮食安全和农业政策至关重要，但传统遥感方法在面对具有碎片化农业景观特征的时空异质性时常常不堪一击。本研究开发了一种由局地农业生态变异所驱动的分类框架，系统性地适应 Telangana, 印度32个地区在 2018-19 年拉比稻播季中的农业生态差异。研究结果显示，季节性时机在不同地区之间差异可达50天，作物面积范围从0.01公顷到2.94公顷不等。我们采取地区专门的校准方法，实现了93.3%的总体准确率，较常规区域聚类方法提升了8.0个百分点，与官方政府统计数据之间的强验证（R²=0.981）表明遥感数据与实地真实数据的吻合度极佳。该框架成功映射了732,345公顷，通过适应农气候变异实现，北部地区需要最长的土地准备阶段（最长可达55天），而南部地区则呈现压缩的耕作周期。作物面积分析揭示，从中等作物到小作物的准确率下降了6.8个百分点，为在碎片化景观中进行操作性监测提供了洞见。这些发现表明，遥感框架必须拥抱而非简化景观的复杂性，推进区域特定的农业监测方法，同时保持科学严谨，为实际的政策和粮食安全应用服务。