油菜作为我国第一大油料作物,在国内食用油供给中占有重要地位,其中冬油菜种植面积约占全国油菜总面积的90%,掌握准确的冬油菜空间分布信息,对于估算冬油菜种植面积和保障我国食用油供给安全具有重要意义。遥感技术以其高效快速、覆盖范围广等优势,在农作物遥感识别领域得到广泛应用。然而传统的遥感分类方法,以像元为分类单元,存在“同物异谱、同谱异物”以及混合像元等问题;以对象为分类单元,在农作物遥感研究中,则面临对象边界与实际田块边界不吻合的问题。因此,以田块为分类单元,更加符合冬油菜遥感识别这一应用场景。本研究以田块为分类单元,分别利用随机森林和模糊C均值聚类算法进行冬油菜遥感识别,针对其中的分类特征选择、最佳识别时相和冬油菜早期识别等问题进行分析,主要研究内容及结果如下:（1）基于特征重要性评分选择分类特征本研究基于Google Earth影像目视解译获取湖北省江陵县农田矢量数据,收集7期Sentinel-2遥感影像构成7个时相（t1-t7）,预处理后重采样分辨率为10m,以田块为单元,共提取特征波段、植被指数、纹理特征和几何特征等共计409个特征,基于随机森林分类器计算特征重要性评分。依据特征重要性评分从高到低依次增加分类特征数量,分析总体精度的变化,结果表明去除特征重要性评分较低的特征,不会降低识别精度。特征选择策略是分析不同类别特征重要性,剔除特征重要性较低的特征,最终在每个时相仅保留8个特征波段和11个植被指数,作为分类特征。（2）确定冬油菜遥感识别的最佳时相特征筛选后,分析各时相特征重要性评分发现,t6时相（冬油菜花期）特征重要性评分最高,t3时相（冬油菜苗期）次之;进一步分析各时相特征对冬油菜识别精度的影响,结果表明:t3和t6时相,冬油菜识别精度提升最明显,且在t6时相,冬油菜识别精度最高。多时相特征共同进行分类识别,在加入t3和t6时相后,总体分类精度分别为83.45%和95.20%;仅单一时相特征单独进行分类识别,在t3和t6时相的总体分类精度分别为82.73%和96.04%,据此可以判断:t6时相是冬油物候周期中进行遥感识别的最佳时相,最早在t3时相,冬油菜遥感识别总体精度便可达到80%以上。（3）基于FCM进行冬油菜早期聚类识别t6时相冬油菜花期识别精度最高,但是时效性较差,因此要尽可能在冬油菜早期进行识别。本研究首先基于聚类效果评价指标DBI（Davies Bouldin index）,确定冬油菜早期每个时相最佳聚类数和特征子集组合,然后基于FCM分别进行模糊聚类识别,聚类后结合目视解译判定聚类结果的真实地物类别,并基于样本田块进行精度评价,发现在t3时相冬油菜聚类识别精度可达到90%以上。结果表明,基于FCM的模糊聚类识别方法可以用于冬油菜遥感识别,最早在t3时相便可以比较准确地识别冬油菜田块,时效性强,精度高。