邓继忠，刘其得，王长委 ，江秀明，朱 圣，袁梓文 ，金 鑫，朱紫阳

（1.华南农业大学工程学院，广东 广州 510642；2.国家精准农业航空施药技术国际联合研究中心，广东 广州 510642；3.华南农业大学资源环境学院/广东省土地利用与整治重点实验室，广东 广州 510642；4.广东省国土资源测绘院，广东 广州 510642）

【研究意义】获取地表覆盖情况，明晰主要农作物种植分布及范围，不仅有利于农业部门制定政策与发展规划，而且对农业企业经营管理、农户生产选择及资源的有效规划具有重要作用［1-5］。【前人研究进展】李庆等［6］采用随机森林的方法对7期landsat影像进行分类，总体精度达到88.9027%，Kappa系数达到0.8529，均优于单景数据的分类结果；吕红梅等［7］结合多时相归一化植被指数和地表水分指数，利用决策树分类方法提取早稻种植区域，早稻的用户精度达到87.50%，制图精度达到85.71%；魏鹏飞等［8］结合 NDVI、EVI和 WDRVI时序变化特征，利用6景GF-1/WFV卫星遥感影像数据采用决策树分层分类方法成功提取了研究区玉米、水稻、大豆和甘薯4种主要作物种植空间分布情况，总体精度达到90.90%，Kappa系数为0.8950；李振等［9］基于多时相的Landsat-8数据，采用面向对象的决策树分类方法，研究森林类型的自动识别，总体分类精度达到了87.50%；申怀飞［10］提出了基于稳定权重加权投票的多训练样本集、多时相影像、多分类器三重融合算法模式，对Landsat数据进行分类，总体精度达到83.09%；Marais等［11］的研究结果表明分类的质量往往随着所用图像波段的增加而增加；Deepa等［12］综合了粗糙集、模糊集和软集的方法，建立了一个多类分类模型，采用双目标软集方法，对5种农作物进行分类，验证数据集的准确率达到92%；……