茶叶是一种农业经济作物，具有重要的科研、文化和经济价值[1]。茶饮已成为人们生活中不可或缺的一部分[2]。中国茶树种植范围广，面积较大，主要分布在湖南、福建和安徽等地区[3]。随着经济的发展，茶叶产量迅速增加，经济效益显著提高，一定程度上促进了茶产业的发展[4]。随着茶叶种植面积的不断扩大，给茶园管理也带来较多困难，其中如何快速、精确地掌握茶园空间分布情况，已成为其管理的一个重要难题。因此，研究茶园空间分布状况在茶园管理中具有重要意义[5]。
传统的茶园面积统计方法已不能满足实际生产需求，遥感技术因具有易于获取、分辨率高和覆盖范围广等优点，被广泛应用于茶园信息提取中。王斌等[6]以2019年Landsat-8 OLI影像为数据源，基于纹理特征、植被指数特征和随机森林分类方法提取了安吉县茶园种植面积，分类精度达92.4%。钱瑞等[7]以高分五号高光谱影像和数据高程模型（Data elevation model，DEM）数据为数据源，以普洱市南部为研究区，在随机森林分类算法基础上构建茶园信息提取新算法，用新算法提取研究区茶园面积，并与其他算法提取精度进行了比较，新算法的茶园信息提取总体精度较高。李艳等[8]以多时相Sentinel-2影像为数据源，利用随机森林算法和纹理特征提取厦门市茶园信息，研究表明，10月份的茶园提取总体精度和Kappa系数均较高，满足茶园管理需求。
岳西是安徽省重要的茶叶生产地之一，茶产业是该地区的支柱产业和富民产业之一。因此，对岳西县开展茶园信息提取与时空演变分析研究十分必要。本研究以岳西县为研究区，以Landsat 8/9 OLI影像为数据源，矢量数据、奥维影像为辅助数据，ENVI 5.3和ArcGIS 10.8软件为平台，在相关研究成果基础上结合茶树最佳生长期，利用随机森林法提取岳西县茶园信息，并对其时空特征变化进行分析。
1 材料与方法
1.1 研究区基本情况
研究区位于皖西南边陲和大别山腹地，跨淮河和长江两大流域，与湖北省相邻，辖9个社居委、179个行政村和24个乡镇，面积2 398 km2。该地区气候属北亚热带湿润性季风气候，平均气温14.4 ℃，冷暖年平均温差1.6 ℃。雨热同期，5—9月为降水盛期，年均降水量1 445.8 mm，年平均日照时数2 070.5 h。自然地理条件优越，有利于茶树生长，店前、冶溪、菖蒲、中关和和平等乡镇为茶园种植主产区。
1.2 数据来源
以岳西县Landsat 8/9 OLI影像为数据源（2022年10月13日、2022年12月24日和2023年5月1日），每时相2景影像，共6景影像，云量均低于2%，影像清晰。6景OLI影像均为L1级数据，数据来源于美国地质调查局（USGS）网站。辅助数据主要为矢量数据和奥维地图影像数据。
1.3 试验方法
通过https://earthexplorer.usgs.gov下载研究区Landsat 8/9 OLI L1级数据，云量均低于2%；利用奥维影像构建感兴趣区，在ENVI 5.3中结合纹理特征进行茶园信息提取精度评价；利用ENVI 5.3软件对岳西县Landsat 8/9影像进行辐射定标、大气校正、影像拼接和矢量裁剪，在ArcGIS 10.8中寻找各地物样本并进行多值提取至点操作，在ENVI 5.3中分别利用反射率和归一化植被指数（Normalized difference vegetation index，NDVI）公式进行波段运算；利用Excel软件作图识别茶园与其他地物的光谱可分性，在ENVI 5.3中进行纹理特征分析；为了更好地进行多值提取至点操作，以奥维影像为辅助数据，利用奥维数据采集地物样本点（采用拼接式地图影像），方便影像在ArcMap中加载，影像不容易出现卡顿现象，样本点如图1所示。
1.3.1 精度评价
1.3.2 NDVI计算
NDVI在一定程度上可以反映研究区内植被覆盖变化情况。在光谱分析的基础上，可进一步分析归一化植被指数时序特征曲线来研究茶园与其他植被的可区分性[10]。NDVI计如式（3） 。
1.3.3 随机森林算法
2 结果与分析
2.1 精度评价分析
2.2 光谱特征曲线分析
2.3 NDVI时序曲线分析
由图5可知，2022年10—12月，只有茶园的NDVI值是增加的，其余植被的NDVI值均有所减少；2022年12月至2023年5月，茶园的NDVI值有所减少，而林地、灌木和耕地的NDVI值有所增加；2022年10月至2023年5月，林地与灌木的NDVI值有所增加，而茶园与耕地的NDVI值有所减少。综上，茶园与其他3种植被的NDVI值变化特征明显不同，2022年10月至2023年5月，茶园的NDVI值呈先上升后下降的趋势，其中，在2022年10—12月，茶园的NDVI值高于其他植被的NDVI值，可作为茶园与其他植被区分的重要时间节点。
2.4 时空特征变化分析
岳西县茶园种植面积变化如图所示，2022年12月茶园种植面积比2022年10月减少了3.80 km2；2023年5月茶园种植面积比2022年10月增加了6.88 km2。2022年10—12月，研究区茶园种植面积减少的区域主要分布在包家乡等；2022年12月至2023年5月，岳西县茶园种植面积增加的区域主要分布在包家乡等。综上，由于季节变化，2022年10月至2023年5月，研究区茶园种植面积先减少后增加，茶园种植面积时空变化特征明显（图7）。
3 结论与讨论
本研究以Landsat 8/9 OLI影像为数据源，矢量数据和奥维影像为辅助数据，利用ENVI 5.3和ArcGIS 10.8软件，采用随机森林法结合NDVI算法提取岳西县茶园信息，并对其光谱特征和时空特征变化进行分析，得出以下结论。（1）随机森林分类法的OA和Kappa系数都最高，用随机森林分类法提取的岳西县茶园信息精确度较好。（2）NIR在茶园信息提取中具有一定潜力，NDVI值对于提取茶园信息具有重要作用，10月与12月是利用多时相影像提取茶园信息的最佳组合；10月是利用单时相影像提取茶园特征的最佳时间窗口。（3）2022年10月、2022年12月和2023年5月的岳西县茶园种植面积分别为130.59、126.79和137.47 km2，茶园种植面积时空变化特征明显。本研究采用采样点对人工依赖性较强，可能存在错分漏分现象，后续研究可以考虑通过计算机编程得到更高的分类精度。