王庚泽 靳海亮 顾晓鹤 杨贵军 冯海宽 孙 乾

(1.河南理工大学测绘与国土信息工程学院， 焦作 454000；2.北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室， 北京 100097；3.国家农业信息化工程技术研究中心， 北京 100097； 4.北京市农业物联网工程技术研究中心， 北京 100097)

0 引言

快速准确获取农作物种植面积是农情监测、农业种植结构调整和农业经济政策制定的重要基础数据[1-3]。传统的逐级上报和抽样调查方法，具有一定的主观因素，费时费力、时效性差。利用遥感技术可以及时、准确、客观、快速获取大范围农作物的分布，是目前农业遥感的研究热点之一[4-5]。然而，农作物之间光谱相似，具有“同物异谱、异物同谱”现象。尤其秋季作物的种植结构复杂、种植周期相同、生育期较短，同时受秋季云雨天气较多和卫星回访周期影响，难以获得高质量和最佳物候期的遥感数据[6]。目前，国内外学者主要从时相、特征以及分类方法等角度进行了大量研究[3]。

随着模式识别技术在遥感图像分类方面的应用，国内外学者一直在探索高精度、高效率的遥感图像分类方法。早期利用多时相光谱信息和农作物物候信息提取农作物时，大多数学者采用决策树方法[7]，但传统的决策树法需人工设定阈值。随着机器学习技术的发展，有学者引入支持向量机[8-9]和人工神经网络[10-11]等方法来提取农作物。由于随机森林方法不容易出现过拟合，对噪声有一定的容忍度，且分类精度高，近年来在农作物提取上得到广泛的应用[12-13]。……