昌吉市作为北疆重要的粮食生产基地，冬小麦是其核心粮食作物之一，对区域粮食安全至关重要。近年来，气候变化导致昌吉市水资源短缺以及农作物越冬环境变化，使得精准掌握冬小麦种植分布成为农业管理与政策制定的迫切需求。本数据基于Google Earth Engine平台，利用2019年至2025年每年3月至5月新疆昌吉市Sentinel-1 SAR和Sentinel-2 MSI影像，通过主被动遥感协同与多特征优选方法生成。数据内容为昌吉市逐年冬小麦种植空间分布数据，空间分辨率为10米，覆盖昌吉市全境约7974平方公里。数据集采用经过辐射定标与大气校正的L2A级光学影像和GRD级雷达影像，构建包含极化、纹理、光谱、植被指数、归一化差异指数及物候变化特征在内的多维度特征集；运用随机森林前向选择算法进行特征优选，并以随机森林分类器实现冬小麦种植区的识别。数据集经野外调查样本与高分辨率影像目视验证，总体分类精度达94.60%。数据以GeoTIFF格式存储，具有规范的元数据描述，可为干旱区农作物种植结构动态监测、水资源优化配置、作物估产及农业政策制定提供可靠的空间数据支撑。
本数据主要基于多源遥感影像数据构建，包括欧洲空间局（ESA）提供的Sentinel-1合成孔径雷达（SAR）数据和Sentinel-2多光谱成像仪（MSI）数据。Sentinel-1数据为GRD（Ground Range Detected）产品，具备VV和VH双极化方式，成像模式为干涉宽幅（IW）；Sentinel-2数据为经大气校正的L2A级产品。影像数据通过Google Earth Engine（GEE）平台获取，时间覆盖2019年至2025年每年3月至5月，对应昌吉市冬小麦关键生长期。此外，样本数据来源于2023年实地野外调查与高分辨率历史影像（如Google Earth影像）目视解译，共获取1264个样本点，涵盖冬小麦、其他作物、林地、建筑用地、水体和裸地六类地物。
本数据基于GEE云计算平台进行数据处理与分析。首先对Sentinel-1和Sentinel-2影像进行预处理，包括辐射定标、噪声滤除、云雪掩膜（使用SCL波段和NDSI指数）等。随后构建包含极化特征、纹理特征、光谱特征、植被指数、归一化差异指数和物候变化特征在内的171维特征集。采用随机森林前向特征选择算法（RF-FS）进行特征优选，通过十折交叉验证评估特征子集性能。最终使用随机森林分类器实现冬小麦种植区的识别，分类结果以GeoTIFF格式输出，空间分辨率为10米，地理坐标系为WGS84。
本数据在生产过程中实施了多项质量控制措施。影像预处理阶段采用辐射定标与大气校正确保数据一致性；特征构建阶段融合主被动遥感数据以增强特征表达能力；特征选择通过RF-FS算法优化特征组合，提升模型泛化能力与解释性。模型训练使用2023年70%的样本数据，剩余30%用于验证，总体分类精度达94.60%，Kappa系数为0.93。此外，通过对比特征优选前后的分类结果，验证了特征优选对精度提升的有效性（OA从93.53%提升至94.60%）。最终数据经目视比对与野外样本验证，具备较高的空间一致性与类别准确性，可用于农业监测与政策制定。
| # | 编号 | 名称 | 类型 |
| 1 | GJJ21183 | 江西省教育厅科学技术研究项目“江西传统村落空间格局演变机理与重构研究” | 教育部科技项目 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
