我国南方地区常年多云多雨、地表结构破碎、物候熟制混杂，给区域农业遥感精准监测带来了巨大的挑战，使得遥感监测受制于复杂耕种环境而难以落地应用。针对在南方地区开展农业遥感监测面临的作物时空精细表达的瓶颈，研究从“作物生长—遥感观测”的时空表达系统出发，采用“种植地块空间—遥感时序指标—作物类型”分步解析的研究思路；重点研究高分光学影像上边缘的增强表达及地块（空间）精确提取、光学—SAR遥感协同的时序重建与作物生长指标提取、粗糙标注与稀疏时序条件下的作物类型与生长时段弱监督提取等关键技术，尝试解决作物的地块空间、生长时序与类型属性的遥感监测问题；构建多源遥感时空融合的作物种植结构精准提取方法。
针对南方地区作物种植场景复杂、地块细小破碎且形态多样的难题，研究提出一种融合目标边缘特征与语义信息的农田地块提取网络模型。方法首先利用语义分割网络模块来提取遥感影像中丰富的目标语义信息，然后拓展上述语义分割网络构建边缘提取子网络来获取遥感影像的多尺度边缘特征，最后借助于编码-解码子网络融合边缘特征与语义信息，实现对高分辨率遥感影像中地块目标的精准提取。针对光学遥感易受天气等限制而难以建立时序观测的问题，采用深度序列学习模型提取光学影像的趋势信息以及SAR与光学的转换关系，发展多时相光学影像的时序修复与重建方法，生成试验区作物生长时序遥感数据集；进而结合深度卷积网络提取遥感数据的多层纹理特征，反演与提取地表与作物参量（如SAR后向散射及分解参量、光学指数等）；借助基于地块的样本增广与循环神经网络挖掘地块时间序列的长时间依赖特征，实现对作物类型的解析。
在上述理论与方法的基础上，通过在南方典型农业种植区县的综合试验与验证，发展一套遥感时空协同的南方地区地块尺度作物种植结构提取的技术体系。通过以上研究，在理论上深化地块尺度上作物生长过程遥感时序表达的机理探索，实践上为南方地区开展精准遥感应用提供关键技术支撑与参考。

高分辨率遥感,时间序列,遥感信息提取,地块,作物分类