农作物种植结构与灌区用水管理密切相关。农作物种植结构是指区域内作物类别及其空间分布信息。通过卫星遥感影像解译动态的获取农作物种植结构信息,然后基于降雨、作物生长变化等数据对作物用水、需水做出判别,可为灌溉用水管理提供数据支撑。但是目前农作物种植结构的提取仍存在以下两个问题:一是单一识别特征不能满足种植结构的提取需求。如低分辨率影像需要通过多时相的对比,完成一次农作物种植结构的提取,在没有最佳窗口期的影像中分类精度较低;而高分辨率影像可以获取较高的精度,但是时效性较差,无法实现动态监测。二是多特征用于农作物种植结构提取时,对分类指标缺乏有效筛选,导致指标过多,最终影响分类速率。为解决农作物提取过程中存在的问题,本文基于国产高分一号卫星WFV影像展开分析,主要包括四方面内容:(1)计算高分一号WFV数据不同农作物的光谱特征与纹理特征,分析两个特征在表达不同类别作物时的差异,从而验证其在分类过程中的重要性。(2)运用CART算法构建农作物种植结构提取的随机森林分类模型,并进行最佳参数设置,避免分类器出现过拟合或训练不足的现象而影响了分类精度。(3)基于巴氏距离计算指标之间的相关性及可分离性,并按照计算结果进行排序,最终筛选区分程度最大的指标,构建优选指标集合,保证在原有精度的基础上提高分类速率。(4)以河北省石津灌区为例进行试验,验证本文关于种植结构提取方法的可行性和准确性。经过应用分析,主要得到以下结论:(1)通过对比不同作物在高分一号影像光谱特征与纹理特征取值上的差异,验证了两类特征在提取农作物种植结构中的重要性。(2)基于巴氏距离算法计算指标之间的可分离性,按照从大到小的顺序进行排序,同时基于实验对比的方法确定指标个数,最终构建农作物分类的最优指标集,达到了减少分类工作量、缩短分类速率等目的。(3)基于CART构建的农作物种植结构提取模型,并利用实验确定树节点的最佳边际效益点,以实现分类效果最佳。同时分类器的选择也极大程度的减少了人为干预。(4)以石津灌区为例验证本文提出作物识别方法所存在的优势。经过指标优选的提取结果分类精度最高可达88.5115,Kappa系数也达到0.8331;相比多特征组合的分类速率,优选后时间缩短了3min06s;并与GF-1 2/8米影像的分类结果进行对比,从而验证优选后农作物提取效果可以达到2/8米的分类效果,从而弥补2/8米在时相上的缺陷。