Reis ist eine wichtige Getreideart, und die genaue und rechtzeitige Erfassung der Reisanbaufläche ist die Grundlage für eine präzise Analyse der Ernährungssicherheit. In den hügeligen Bergregionen im Südwesten kommt es häufig zu Regenwetter, die Reisanbaumuster sind vielfältig und die Kosten für Feldproben sind hoch, was eine effiziente und zuverlässige Fernerkundungskartierung von Reis erschwert. Diese Studie untersucht den Bezirk Tongnan der Stadt Chongqing, nutzt die komplementären Vorteile multisensorischer Fernerkundungsdaten, analysiert die saisonalen Muster des Reises in verschiedenen Bildgebungsmodi auf Parzellengrundlage, schlägt eine automatische Probenerzeugungsstrategie vor und realisiert die automatisierte Reis-Kartierung basierend auf einem random forest Modell mit Merkmalsauswahl. Die Forschungsergebnisse zeigen, dass diese Methode automatisch genaue und repräsentative Trainingsproben generieren kann, wobei die zeitlichen Merkmale der generierten Proben stark mit den Feldproben übereinstimmen (spektrale Korrelationsähnlichkeit 0,987, Dynamic Time Warping Distanz 4,719). Die Verwendung der generierten Proben zur Reis-Kartierung erreicht eine Gesamtgenauigkeit von 89 %, eine Gesamtausnahmefehlerfläche von -7,5 % und eine geringe Unsicherheit bei der Kartierung. Sensitivitätsanalysen zeigen, dass die Genauigkeit und Stabilität der Reis-Kartierung von der Probenanzahl, der räumlichen Verteilung und der Auswahl der Merkmalsbänder abhängen. Diese Studie bietet eine zuverlässige Lösung zur schnellen und präzisen automatischen Proben-Generierung für die Reis-Kartierung in hügeligen Bergregionen und liefert eine wissenschaftliche Grundlage für die Entwicklung von Probenahmestrategien und die Auswahl von Merkmalsbändern.

hügelige Bergregionen; saisonale Muster; zeitliche Fernerkundung; Parzellengröße; automatische Probengenerierung; Reis-Kartierung