摘要： 为更好地保护耕地资源实现中国式现代化的重要粮食安全局面，提升耕地资源提取精度、自动化程度是 必不可少的。针对目前使用单一谣感数据进行耕地提取时存在的不足，本文以淮南市为例，基于Google Earth En- gine(GEE)平台，获取Sentinel--l和Sentinel--2图像并进行预处理利用Sentinel--l的VV、VH波段以及Sentinel-2 的NDVI、NDWI、BSI等指数。加入研究区的高程、坡度和坡向信息后，使用支持向量机(SVM)和随机森林 (℉)分类算法对影像进行土地利用类型分类，通过开运算的形态学处理提取耕地并做精度分析。结果表明：与 仅使用单一光谱数据相比，引入SAR数据和高程数据后，SVM算法和RF算法的总体精度(OA)分别提高了 0.06和0.16，其中RF算法精度更高，总体精度达到了0.89。此外，形态学处理可以消除一些非耕地的细小图 斑，进一步提高了耕地提取精度，总体精度达到了0.93，Kappa系数达到了0.90。

关键词: Google Earth Engine;土地利用；耕地保护；RF算法；SVM算法

中图分类号: 

• S181