Information on the area and spatial distribution of paddy rice fields is needed for trace gas emission estimates, management of water resources, and food security. Paddy rice fields are characterized by an initial period of flooding and transplanting, during which period open canopy (a mixture of surface water and rice crops) exists. The Moderate Resolution Imaging Spectroradiometer (MODIS) sensor onboard the NASA EOS Terra satellite has visible, near infrared and shortwave infrared bands; and therefore, a number of vegetation indices can be calculated, including Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI) and Land Surface Water Index (LSWI) that is sensitive to leaf water and soil moisture. In this study, we developed a paddy rice mapping algorithm that uses time series of three vegetation indices (LSWI, EVI, and NDVI) derived from MODIS images to identify that initial period of flooding and transplanting in paddy rice fields, based on the sensitivity of LSWI to the increased surface moisture during the period of flooding and rice transplanting. We ran the algorithm to map paddy rice fields in 13 provinces of southern China, using the 8-day composite MODIS Surface Reflectance products (500-m spatial resolution) in 2002. The resultant MODIS-derived paddy rice map was evaluated, using the National Land Cover Dataset (1:100,000 scale) derived from analysis of Landsat ETM+ images in 1999/2000. There were reasonable agreements in area estimates of paddy rice fields between the MODIS-derived map and the Landsat-based dataset at the provincial and county levels. The results of this study indicated that the MODIS-based paddy rice mapping algorithm could potentially be applied at large spatial scales to monitor paddy rice agriculture on a timely and frequent basis.

Land use/cover change is an important theme on the impacts of human activities on the earth systems and global environmental change. National land-use changes of China during 2010–2015 were acquired by the digital interpretation method using the high-resolution remotely sensed images, e.g. the Landsat 8 OLI, GF-2 remote sensing images. The spatiotemporal characteristics of land-use changes across China during 2010–2015 were revealed by the indexes of dynamic degree model, annual land-use changes ratio etc. The results indicated that the built-up land increased by 24.6×103 km2 while the cropland decreased by 4.9×103 km2, and the total area of woodland and grassland decreased by 16.4×103 km2. The spatial pattern of land-use changes in China during 2010–2015 was concordant with that of the period 2000–2010. Specially, new characteristics of land-use changes emerged in different regions of China in 2010–2015. The built-up land in eastern China expanded continually, and the total area of cropland decreased, both at decreasing rates. The rates of built-up land expansion and cropland shrinkage were accelerated in central China. The rates of built-up land expansion and cropland growth increased in western China, while the decreasing rate of woodland and grassland accelerated. In northeastern China, built-up land expansion slowed continually, and cropland area increased slightly accompanied by the conversions between paddy land and dry land. Besides, woodland and grassland area decreased in northeastern China. The characteristics of land-use changes in eastern China were essentially consistent with the spatial govern and control requirements of the optimal development zones and key development zones according to the Major Function-oriented Zones Planning implemented during the 12th Five-Year Plan (2011–2015). It was a serious challenge for the central government of China to effectively protect the reasonable layout of land use types dominated with the key ecological function zones and agricultural production zones in central and western China. Furthermore, the local governments should take effective measures to strengthen the management of territorial development in future.

Along with its economic reform, China has experienced a rapid urbanization. This study mapped urban land expansion in China using high-resolution Landsat Thematic Mapper and Enhanced Thematic Mapper data of 1989/1990, 1995/1996 and 1999/2000 and analyzed its expansion modes and the driving forces underlying this process during 1990-2000. Our results show that China's urban land increased by 817 thousand hectares, of which 80.8% occurred during 1990-1995 and 19.2% during 1995-2000. It was also found that China's urban expansion had high spatial and temporal differences, such as four expansion modes, concentric, leapfrog, linear and multi-nuclei, and their combinations coexisted and expanded urban land area in the second 5 y was much less than that of the first 5 y. Case studies of the 13 mega cities showed that urban expansion had been largely driven by demographic change, economic growth, and changes in land use policies and regulations.

Agricultural land use change substantially affects climate, water, ecosystems, biodiversity, and human welfare. In recent decades, due to increasing population and food demand and the backdrop of global warming, croplands have been expanding into higher latitude regions. One such hotspot is paddy rice expansion in northeast China. However, there are no maps available for documenting the spatial and temporal patterns of continuous paddy rice expansion. In this study, we developed an automated, Landsat-based paddy rice mapping (Landsat-RICE) system that uses time series Landsat images and a phenology-based algorithm based on the unique spectral characteristics of paddy rice during the flooding/transplanting phase. As a pilot study, we analyzed all the available Landsat images from 1986 to 2010 (498 scenes) in one tile (path/row 113/27) of northeast China, which tracked paddy rice expansion in epochs with five-year increments (1986–1990, 1991–1995, 1996–2000, 2001–2005, and 2006–2010). Several maps of land cover types (barren land and built-up land; evergreen, deciduous and sparse vegetation types; and water-related land cover types such as permanent water body, mixed pixels of water and vegetation, spring flooded wetlands and summer flooded land) were generated as masks. Air temperature was used to define phenology timing and crop calendar, which were then used to select Landsat images in the phenology-based algorithms for paddy rice and masks. The resultant maps of paddy rice in the five epochs were evaluated using validation samples from multiple sources, and the overall accuracies and Kappa coefficients ranged from 84 to 95% and 0.6–0.9, respectively. The paddy rice area in the study area substantially increased from 1986 to 2010, particularly after the 1990s. This study demonstrates the potential of the Landsat-RICE system and time series Landsat images for tracking agricultural land use changes at 30-m resolution in the temperate zone with single crop cultivation.

The generation of realistic synthetic aperture radar (SAR) images holds notable significance due to their applicability across various crucial domains in remote sensing, such as automatic target recognition and electronic countermeasures. The majority of current SAR image synthesis methods only leverage amplitude, thereby lacking the phase information that also plays an important role in SAR image interpretation. In this letter, we introduce Polarimetric Feature Guided Denoising Diffusion Probabilistic Model (PFG-DDPM), to generate PolSAR images. The proposed method can effectively simulate the distribution of real PolSAR images, encompassing both their amplitude and phase components. Importantly, we introduce an innovative strategy that employs polarimetric features as supervised information to guide the generation process of PolSAR images. This approach allows PFG-DDPM to effectively utilize constraints among distinct polarimetric channels, resulting in generated PolSAR images whose distributions closely approximate real PolSAR data. Experiments underscore the ability of the proposed method to produce realistic PolSAR images valid for human visual perception. More significantly, these images exhibit a remarkable resemblance to real PolSAR images, evidenced by a 44.4% and 5.3% enhancement in alignment with polarimetric and statistical attributes, respectively, compared to the vanilla DDPM.