摘要:利用遙感技術精準地獲取區(qū)域農(nóng)作物種植結構數(shù)據(jù),,對指導農(nóng)業(yè)生產(chǎn),、制定農(nóng)業(yè)政策具有重要意義,。以景泰縣為研究區(qū),,以多時相Sentinel-2A遙感影像為數(shù)據(jù)源,,計算時序歸一化植被指數(shù)(Normalized difference vegetation index,,NDVI)和紅邊歸一化植被指數(shù)(Red edge normalized vegetation index,RENDVI)及其組合特征(NDVI+RENDVI,、NDVI-RENDVI和NDVI&RENDVI),,分析作物特征曲線,并采用隨機森林法分別以5種特征參數(shù)作為分類特征對研究區(qū)農(nóng)作物進行精細分類,。結果表明:根據(jù)形態(tài)特征,,研究區(qū)農(nóng)作物特征值曲線可劃分為3種類型:高值型(玉米、水稻,、胡麻和馬鈴薯),、低值型(洋蔥、大棚作物和砂田瓜果)和開口型(春小麥,、春小麥-秋油葵),。高值型和低值型可在7、8月影像中區(qū)分,,開口型和前兩種類型在5月和9月影像上的特征值有明顯差異,。3種類型內(nèi)的作物可以通過不同時相影像區(qū)分,高值型的4種作物在9月影像上通過成熟期差異可以區(qū)分,;低值型的3種作物的特征值差異在全年影像上都可以明顯體現(xiàn),;開口型的兩種作物利用9月影像可以明顯區(qū)分。利用NDVI,、RENDVI,、NDVI+RENDVI、NDVI-RENDVI和NDVI&RENDVI 5種特征分類的總體精度分別為82.14%,、78.16%,、81.17%、75.64%和86.20%,,Kappa系數(shù)分別為0.78,、0.74、0.77,、0.71和0.83,,總體精度和Kappa系數(shù)由大到小依次為NDVI&RENDVI、NDVI,、NDVI+RENDVI,、RENDVI,、NDVI-RENDVI,說明RENDVI輔助NDVI可以有效提高分類精度(精度較僅用NDVI提高4.06個百分點)。選擇合適的時期和分類特征,,利用Sentinel-2A特有的紅邊波段數(shù)據(jù)及其較高的空間分辨率在縣域農(nóng)作物精細分類上具有較好的精度,。