灌溉面积的精准核算对指导农业灌溉和用水量调配具有重要意义。然而目前国内外发布的灌溉面积地图产品存在空间分辨率低、更新频率不足、地图精度不高等问题。本研究聚焦于中国三大灌区之一的河套地区，利用Sentinel-1、Sentinel-2、NASADEM以及降水量等多源遥感数据，在Google Earth Engine上提取雷达散射信息、地物光谱信息、水分信息、地形信息作为分类特征，利用机器学习算法实现2020年灌溉面积逐季度提取。研究表明，对比支持向量机SVM（Support Vector Machine）、分类与回归树CART（Classification and Regression Tree）、随机森林RF（Random Forest）三种机器学习算法，RF在选定特征判断河套地区灌溉面积的精度更高，总体精度在90%以上，Kappa系数在0.80以上。由RF分类结果可知，河套地区在夏秋季实现了大规模灌溉，而在春冬季出现呈片状不灌溉的情况，灌溉面积达到1300万亩以上，符合河套地区的实际灌溉特点。本研究能够提高灌溉信息更新频率并减少农业普查登记的灌溉面积低估风险，有利于在空间和时间上合理配置和高效利用水资源，符合国家用水可持续发展的战略需求。

灌溉，遥感