农业是国民经济与社会发展的根基，粮食生产能力直接关系到国家粮食安全以及农业结构调整、进出口贸易等宏观决策的制定。玉米作为我国重要的粮饲兼用作物，在保障口粮供给、促进畜牧业发展和生物质能源开发等方面发挥着不可替代的作用。高效、精准地提取玉米种植空间分布信息，对于优化农业生产布局、稳定市场预期、提升资源利用效率，具有重要的现实意义。

传统监督分类方法已被广泛应用于农作物种植区提取，如随机森林、支持向量机。近年来，深度学习方法凭借强大的特征学习能力，进一步提升了分类精度。但监督方法对大量高质量训练样本的依赖及光学影像在多云雨区的可用性受限等问题，制约了方法的泛化能力和实用效率。因此，亟需发展一种无需训练样本、且抗天气干扰的玉米制图指数，以实现快速、精准的玉米种植区提取。针对上述关键问题，地理科学学院解毅教授团队依托山西师范大学资源环境信息化管理院士工作站，创新构建协同玉米制图指数，实现研究区春玉米的快速制图。研究成果以第一作者身份发表在《农业机械学报》。

本研究以山西省寿阳县为研究区，以春玉米关键生育期的GF-6与Sentinel-1影像为数据源，提取多时相多特征集，利用六个最优特征构建了协同玉米制图指数。结果表明在不使用训练样本的情况下，协同玉米制图指数可有效用于寿阳县春玉米分布制图。基于SMMI的玉米识别精度达到90.72%，基于最优阈值提取的寿阳县春玉米种植面积与官方统计数据的相对误差为2.99%。

解毅教授将继续从事农业遥感的相关研究工作，进一步完善团队对农作物玉米的种植面积提取、产量估测及预测研究，从而推动遥感技术在农业方面的推广应用。

论文信息：

解毅,滑玉鑫,荀兰,黄家一.基于时序GF-6与Sentinel-1数据的协同玉米制图指数研究[J].农业机械学报, 2026, 57(11):303-313.

论文链接：

https://www.j-csam.org/jcsam/article/abstract/20261126?st=article_issue

作者简介：

https://dlxy.sxnu.edu.cn/info/1063/5224.htm