摘要：小麦是中国最重要的农作物之一,准确、及时掌握小麦种植面积具有重要意义。以探索合成孔径雷达（synthetic aperture radar,SAR）与光学数据对种植结构复杂地区冬小麦识别的能力,提高识别精度为目的。该研究以多时相SAR（Sentinel-1A）和光学影像（Landsat-8）为数据源,选取种植结构复杂的都市农业区为研究区。构建不同特征向量组合,利用支持向量机（support vector machine,SVM）提取冬小麦种植面积。通过对比分析基于不同特征向量组合的冬小麦识别精度,结果表明：1）使用SAR后向散射数据得到85.7%的制图精度和87.9%的用户精度;2）添加SAR数据纹理信息,总体精度高达90.6%,比单独使用后向散射数据在制图精度和用户精度上分别提高7.6%和6.7%;3）当SAR数据和光学影像结合时,总体精度高达95.3%（制图精度97%,用户精度98.4%）,比单独使用SAR数据在制图精度和用户精度上分别提高3.7%和3.8%。因此,基于SAR数据的都市农业区冬小麦分类,有着较高分类精度,纹理信息和光学影像的添加能有效提高识别精度。研究结果可为SAR数据的农作物识别和应用提供理论基础。

关键词：作物 遥感 合成孔径雷达 冬小麦 光学影像 

单位：南京农业大学资源与环境科学学院; 南京210095; 南京农业大学公共管理学院; 南京210095