结合Sentinel-2影像和特征优选模型提取大豆种植区

张东彦，杨玉莹，黄林生，杨 琦，梁 栋， 佘 宝,2※，洪 琪，姜 飞

（1. 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心，合肥 230601； 2. 安徽理工大学空间信息与测绘工程学院，淮南 232001；3. 宿州学院信息工程学院，宿州 234000）

0 引言

大豆是高蛋白食品、牲畜饲料的主要原料以及食用油的重要来源，在世界粮食生产中占有重要地位[1]。中国是世界大豆主产国之一，2019年中国的大豆种植面积达842.6万hm2，位居全球第5位（http://www.fao.org/faostat/ en/#data）。然而国内大豆产量远远无法满足生产生活需求， 2019年大豆的进口依赖度高达83.03%[2]，因此需要扩大种植规模，鼓励大豆生产。及时、准确地获取大豆种植面积及其空间分布对于长势监测、灾害评估等具有重要意义。以传统的农业调查方式来估算大豆种植面积通常费时费力，易受主观因素影响，结果数据亦无法提供空间分布信息。遥感技术可以更及时、高效和客观地实现大规模的农作物种植面积监测，且成本低廉[3]。

MODIS数据具有较高的时间和光谱分辨率，适合大尺度的农作物遥感监测研究[4-5]。国内外一些研究表明基于MODIS NDVI/EVI时间序列数据生成的作物关键生育期的物候参数在农作物遥感识别中具有很好的表现[6-9]，如Liu等[10]利用随机森林方法（Random Forest，RF）提取位于美国玉米带的大豆和玉米，结果显示基于MODIS时间序列数据获取的38个物候指标在大豆和玉米的识别中具有一定优势。然而，由于不利天气及传感器工作状态等原因，无法保证时间序列数据的连续性，导致现实中的物候参数可能难以完整获取，仅采用物候信息来识别大豆具有较大的挑战。……