摘要：以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机（Support vector machine,SVM）分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比。结果表明,与最大似然法（Maximum likelihood,ML）和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及＂椒盐＂现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3%和0.886。利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值。

关键词：秋季作物 植被指数 决策树 支持向量机 

单位：河南省农业科学院农业经济与信息研究所; 郑州450002; 中国农业科学院农业资源与农业区划研究所; 北京100081; 河南大学环境与规划学院; 开封475004