卫星遥感技术具有获取速度快、范围广、信息无损等特点,被广泛地应用于农业生产活动的多个环节中,如农业土地利用、农业资源调查、农作物长势监测和估产等。精准农业的实施过程中,首先需要十分快速地获得农作物的生长信息,基于遥感技术的特点,将其应用在农作物信息的快速获取方面具有明显的优势。国家重大专项高分系列卫星为农业应用提供了持续可靠的数据源,特别是高分一号和六号卫星具备高空间分辨率、高时间分辨率、宽覆盖和多波段特征,为农作物信息的获取提供了理想的卫星数据。本文基于高分一号和六号卫星的影像特征,通过挖掘适用于农作物分类的相关特征,研究其对农作物分类精度的影响。从高分一号和六号卫星的高空间分辨率、高时间分辨率和红边特征出发,研究基于高空间分辨率的多特征面向对象农作物分类、基于时间序列的面向对象农作物分类和基于红边信息的农作物分类,以提高农作物遥感识别和分类的精度,为农业监测提供支持。主要研究内容和成果如下:(1)高分一号/六号卫星全色/多光谱(panchromatic/multi-spectral,PMS)相机的全色数据空间分辨率达到了2米,为农作物精细识别提供了丰富的纹理特征。针对研究区的高分一号融合后的2米数据,提取10个与农作物相关的植被指数特征和16个纹理特征信息,采用随机森林方法对特征进行重要性评价,并对特征的不同数量与作物分类精度的关系进行分析,研究发现作物的10类植被指数均具有较高的重要性值,纹理特征中基于近红外波段计算得到的4个纹理特征值重要性也相对较高,分别采用按重要性排序的5、10、15、20、25四个数量的特征,发现当特征值数量为15的时候,分类精度达到平衡,特征数量再增加并不会对分类精度有很大提升。基于前15个重要性较高的特征进行面向对象的农作物分类,分类结果总体精度达到96.0622%,Kappa系数为0.9422,比基于像元的分类精度提高约5%。结果表明采用多特征面向对象的分类方法在高分辨率农作物分类中可以获得较好效果,特征的选择上应选择相关的植被指数和近红外波段的纹理特征值参与分类,既可以保证分类精度又可以减少数据的冗余。(2)利用多时相遥感影像获得的归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列数据可以描述农作物不同时期的生长状态,表现作物在季相节律中的变化过程。不同农作物有着不同的物候期,其NDVI曲线也有所不同,因此,可以根据农作物的物候历,分析NDVI曲线变化特征及趋势,来区分农作物类型。高分一号/六号卫星的宽覆盖(Wide Field View,WFV)数据时间分辨率高、覆盖范围大,为大范围的农作物变化信息提供了持续可靠的数据源。针对研究区,采用完整作物生长周期的时间序列高分一号卫星的WFV影像,获得NDVI时间序列数据开展县域农作物面向对象分类研究。结果表明,通过使用覆盖作物完整生育期的高分一号卫星宽波段时序影像构建的NDVI时序,能够准确刻画研究区作物发育情况,有效区分各类作物。采用面向对象的分类方法,结合NDVI时间序列数据进行农作物分类,取得了较高精度。(3)高分六号卫星增加的两个红边波段,能够提供丰富的光谱信息,为农作物分类提供了更加有效的手段。本研究采用哨兵-2A卫星数据作为类同数据源,开展红边波段对农作物分类影响的研究,结果表明加入两个红边波段可以提高作物分类识别的精度,在研究区中,加入两个红边波段后,最大似然法、人工神经网络和支持向量机三种分类方法的分类精度均提高了14%以上,Kappa系数均提高0.17以上,体现了红边波段在作物类型区分上的能力。红边波段705和红边波段745均对农作物识别和分类具有一定的提高作用,同时使用两个红边波段的分类精度优于单独使用任一红边波段的分类精度。