【摘要】 棉花作为南疆地区重要的经济作物之一，在经济工作中起着至关重要的作用。及时、准确地获取棉花种植面积，对农业政策和经济发展具有重要意义。为了实现这一目标，需要综合分析不同方法和遥感数据对最终棉花种植面积制图精度的影响。本研究以新疆阿克苏地区棉花种植区为例，借助Google Earth Engine云平台，采用随机森林法(RF)、支持向量机法(SVM)、最小距离分类法(MDC)等3种机器学习方法，利用2类中分辨率影像提取棉花种植信息，充分评估使用的档案数据和官方统计数字。结果表明，采用Sentinel-2方法和RF获得了最优棉花图，随机森林法分类器的总体精度、Kappa系数和用户精度分别高达97.4%、96.7%和91.1%,分别比Landsat-8图像和RF模型的结果高出7.3百分点、0.081、2.8百分点。与官方统计数据相比，采用RF、SVM、MDC对Sentinel-2和Landsat-8图像的棉花种植面积估算图的精度分别为98.4%、95.8%、79.6%和90.3%、83.7%、72.5%。很明显，Sentinel-2和RF模型的组合与官方数据的一致性最高。对比分析结果表明，Landsat-8和Sentinel-2数据可用于大范围复杂种植结构的棉花高精度测绘。本研究结果有望为棉花大面积鉴别提供一定的理论指导和实践指导。更多还原