由于多源遥感具有互补性、合作性以及信息分层等结构特性，使得它在茶园提取方面得到了广泛应用。然而，由于四川地区多云多雨无云影像较少、训练数据和特征维数的限制，获取高精度茶园的分布数据仍然具有挑战性，本研究采用Sentinel-2、Sentinel-1及地形、气候、土壤等辅助数据，综合讨论了多源遥感数据协同驱动下的茶园提取模型中训练样本数量、分类类别数和特征维数等关键环节的影响作用，采用二分类、多分类分类体系，基于随机森林分类器，构建了单时相分类模型、时序物候分类模型和多时相分类模型三种最优茶园提取模型，基于年合成、年合成带物候和多时相三个特征集方案与二分类、多分类训练样本结合随机森林分类器优选出的最优茶园提取模型，结果表明，多时相特征集中二分类在特征维数为34时分类结果精度最高，OA为97.40%，F-score为96.98%，研究成果可为四川丘陵山区茶园及其他作物提取提供科学参考。
 

茶园提取 多源遥感 随机森林