陈珠琳，贾坤，李强子，肖晨超，魏丹丹，赵祥，魏香琴，姚云军，李娟

1.北京师范大学 地理科学学部 遥感科学国家重点实验室,北京 100875;2.北京师范大学 北京市陆表遥感数据产品工程技术研究中心,北京 100875;3.中国科学院空天信息创新研究院,北京 100101;4.自然资源部国土卫星遥感应用中心,北京 100048

1 引 言

在全球极端气候、自然灾害肆虐的环境下，粮食安全成为影响社会稳定和可持续发展的重要因素（Yu等，2019）。中国因受退耕还林还草、城市扩张等因素的影响，耕地数量逐年减少，使得粮食生产面临严峻挑战（Han 和Song，2019）。农田面积统计是作物估产的基础，因此快速、准确的农作物种植面积监测成为国家粮食宏观决策的重要支持（李强子，2018；樊东东等，2019）。

遥感技术具有动态、快速且大面积观测的特点，在农田识别中发挥着重要作用（Liu 等，2011；Xu等，2019）。目前，各类遥感数据已广泛应用于农田分类研究（Yin 等，2018；Hao 等，2019）。例如，Kussul 等（2017）基于Landsat 8 和Sentinel-1A 遥感数据，使用卷积神经网络算法实现了土地利用类型分类，其中农田识别精度高于90%。 Ghorbanian 等（2020） 基 于Google Earth Engine（GEE）平台实现了伊朗地区10 m 空间分辨率的农田识别研究，生产精度和用户精度分别为91%和90.2%。尽管如此，多光谱遥感影像的波段较少，无法避免地物间“异物同谱”的现象，从而影响了农田识别精度。相比之下，高光谱遥感数据可提供可见光到短波红外范围内的上百个窄波段信息，有潜力提高相似地物的分类精度，在农田识别方面有着巨大的研究价值（贾坤和李强子，2013；Yuan等，2020）。目前，高光谱遥感也越……