杨蜀秦 宋志双 尹瀚平 张智韬 宁纪锋,5

(1.西北农林科技大学机械与电子工程学院，陕西杨凌 712100； 2.农业农村部农业物联网重点实验室，陕西杨凌 712100；3.西北农林科技大学信息工程学院，陕西杨凌 712100； 4.西北农林科技大学水利与建筑工程学院，陕西杨凌 712100；5.陕西省农业信息感知与智能服务重点实验室，陕西杨凌 712100)

0 引言

随着精准农业的发展，利用遥感信息对农田作物进行快速准确的分类以获取其种植面积及空间分布信息的需求越来越大。作为长势监测、墒情调查、产量预估和灾害评估等[1-5]工作的基本前提，遥感监测对农业生产分析、管理和决策具有十分重要的意义。

目前，利用遥感技术监测作物主要包括卫星和无人机两种方式[6-7]。高空卫星遥感覆盖面积大、探测周期短，是大范围农情信息监测的重要技术手段[8-9]。相关应用主要包括提取地表植被指数[10]、光谱、纹理和地形特征[11]，以及融合雷达与光学影像等数据[12]识别地物。低空无人机遥感具有机动灵活、时效性强和分辨率高等特点，已被广泛用于农田级区域的农情信息获取，特别是田地种植分布信息的提取[13-17]。韩文霆等[15]基于可见光遥感影像，结合支持向量机和决策树分类模型，对土地利用和覆被分类进行研究。戴建国等[16]从无人机遥感影像中提取纹理和低通滤波特征，采用支持向量机方法实现了对农田作物的分类。WU等[17]利用农作物收获后和作物生长期的数字表面模型(Digital surface model, DSM)，采用基于对象的分类方法和最大似然方法，结合遥感图像和作物高度信息识别作物类型。……