由福州大学邱炳文老师团队提交的“世界茶叶产地_利用知识图谱和哨兵图像的农林作物稳健绘图框架”，经审核整理后正式在国家对地观测科学数据中心发布，热忱欢迎广大科研工作者关注并使用该数据集。

图1 数据集基本信息

该团队开发了基于人工管理与酚类物质特征的茶叶测绘框架（MAP-Tea），框架利用哨兵-1/2时间序列影像实现了茶园自动化识别。茶树因其独特的生物学特性——高酚类物质含量、常绿属性及多芽萌发特点，形成了显著的遥感识别特征：密集的树冠覆盖、稳定的土壤暴露以及因频繁采摘活动导致的雷达后向散射信号扰动。基于这些特征，本研究创新性地整合了植被指数、色素含量、土壤信息及雷达后向散射的时间序列特征，构建了三个基于物候学的识别指标，重点捕捉茶园的酚类物质含量、植被覆盖动态和树冠纹理特征。值得注意的是，这是首次将生化成分特征与人工管理措施共同应用于大尺度茶园识别。MAP-Tea框架成功研制了2022年中国首张10米分辨率的现势性茶园分布图，经16712个验证样本检验，总体精度达94.87%，Kappa系数为0.83，F1分数为85.63%。该框架具有良好的普适性，可为中国及其他产茶国提供多年份的茶园制图解决方案。

图2 数据集产品缩略图

扫描二维码获取数据链接