水稻,作为世界三大粮食作物（小麦、水稻、玉米）之一,是中国65%以上人口的主食。准确获取水稻的种植信息为我国农业生产管理和粮食安全保障提供着重要的科学决策,是农业与信息技术相结合的重要应用。遥感技术有着宏观、快速、可视性、客观的特点,早已普遍的应用在农作物信息提取和动态监测、土地利用分析等方面。借助遥感方法提取农作物信息的精度会受到遥感影像底图和提取方法的影响。遥感影像底图分辨率的提高和敏感波段的加入,理论上为单时相影像提供了更多有效信息量,可以帮助待分类地物之间更好地区分。红边波段是植物叶片光谱曲线陡然增加的位置,其与叶片细胞结构和植被冠层结构密切相关,受噪声影响小,是农业遥感关注的热点。GF-6卫星是国产首颗增加红边谱段的多光谱卫星,同时又是第一颗可以应用在精准农业观测的高分辨率宽幅卫星。本文利用GF-6影像,从单时相和多时相的角度出发,分别提取荆州水稻种植区,探究红边波段在单时相和多时相情景的不同方法中对水稻信息提取的影响。主要研究内容包括:（1）单时相GF-6卫星红边波段对水稻种植区的提取研究。基于水稻和其他地物的生长物候历,选择2019年5月～10月期间最有利于水稻提取的时期进行实验。根据对比有红边、无红边波段组合以及增加不同植被指数时的地物可分性量值,设计了无红边波段、全部波段、红边植被指数+全部波段的3组特征集,分别采用支持向量机分类器提取研究区水稻种植区,并对分类结果进行比较和评价,结果表明红边波段和红边叶绿素指数CIred-edge1可以提高水稻的分类精度。（2）时序植被指数组合法提取水稻种植区。在构建植被指数分割阈值决策树的基础上,将研究区初步划分为植被区和非植被区。根据植被指数可以反应植被生长情况,分析植被区不同地物植被指数的时间变化曲线,构建红边植被指数在内的多种时序植被指数组合特征集,分别采用支持向量机分类法进行研究区水稻种植区提取。对比利用单时相和多时相影像的水稻种植区提取结果,并比较不同植被指数组合特征集的分类结果,结果表明红边叶绿素指数CIred-edge1的分类精度从不含红边的NDVI植被指数分类精度的82.83%提高至85.99%,发挥了红边波段在农作物精细分类中的独特优势。（3）多种特征组合分层分类策略提取水稻种植区。在研究区初步划分成植被区和非植被区的基础上,分析植被区不同地物的波段反射率变化特点,结合不同植被指数的时间变化曲线,判断作物在层中分离的复杂程度,由易到难依次分层提取林地层、大豆、小宗作物和水生植被整体层、单季稻和双季稻层。针对每层的待分类地物,选择最佳特征参数和合适的分类方法进行信息提取,最终提取出荆州水稻种植区,结果表明红边植被指数和红边波段数据在农作物精细分类中有着较大的潜力。值得一提的是在大豆、小宗作物和水生植被的整体层提取中,使用两种特征集分别进行提取,通过制定合理投票规则,采用投票法确定最终提取结果。