摘要:利用遙感技術精準地獲取區(qū)域農作物種植結構數(shù)據(jù),,對指導農業(yè)生產,、制定農業(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作物精細分類上具有較好的精度,。