O arroz é uma importante cultura alimentar, e a obtenção precisa e oportuna da área cultivada com arroz é a base para uma análise precisa da situação da segurança alimentar. As áreas montanhosas onduladas do sudoeste apresentam clima chuvoso frequente, padrões de cultivo de arroz variados e altos custos de amostragem de campo, dificultando a realização de mapeamento eficiente e confiável do arroz por sensoriamento remoto. Este artigo utiliza o distrito de Tongnan na cidade de Chongqing como área de estudo, aproveitando as vantagens complementares dos dados de sensoriamento remoto multisensorial, utilizando a parcela agrícola como unidade básica, analisando as regularidades sazonais do arroz em diferentes modos de imagem, propondo uma estratégia de geração automática de amostras e realizando o mapeamento automatizado do arroz com base em um modelo de floresta aleatória com seleção de características. Os resultados mostram que o método pode gerar automaticamente dados de treinamento precisos e representativos, e que as características temporais das amostras geradas são altamente consistentes com as amostras de campo (similaridade espectral correlacionada 0,987, distância de alinhamento temporal dinâmico 4,719). O uso das amostras geradas para o mapeamento do arroz alcançou uma precisão geral de 89%, erro total de extração de área de -7,5% e incerteza de mapeamento baixa. A análise de sensibilidade indica que a precisão e estabilidade do mapeamento do arroz são afetadas pelo número de amostras, distribuição espacial e seleção das bandas de características. Este estudo fornece uma solução confiável para a geração automática rápida e precisa de amostras para mapeamento do arroz em áreas montanhosas onduladas, bem como uma base científica para a formulação de estratégias de amostragem e seleção de bandas de características.

áreas montanhosas onduladas; regularidades sazonais; sensoriamento remoto temporal; escala de parcela; geração automática de amostras; mapeamento de arroz