利用遥感技术快速、及时的监测棉花的种植面积、长势及其空间分布，对于及时了解棉花的生产状况，指导棉花生产与管理，具有极为重要的意义。棉田精确化分区管理是提高棉花生产管理水平及我国数字农业发展的客观需求。本文以山东省夏津县为研究区，选取2009和2011年棉花生长期内5个不同时相的HJ1B卫星遥感影像，通过物候历分析和主要农作物的光谱特征分析，确定棉花识别最佳时相。选取棉花识别最佳时相的HJ1B卫星遥感影像，结合光谱特征值和植被指数，建立决策树提取模型，获取棉花种植区信息。建立棉花长势监测模型，分析棉花长势动态变化。将棉花花铃期遥感影像特征光谱指数与实测的5种主要土壤养分有机质、全氮、碱解氮、有效磷和速效钾结合，运用相关分析、主成分分析和K均值聚类分析方法，划分棉田管理区，并对分区结果的合理性进行差异显著性评价分析。研究的主要结论有：（1）对夏津县主要农作物进行物候历分析，结合遥感影像各地类光谱特征分析，确定棉花种植区遥感识别的最佳时相。结果显示：山东省夏津县棉花种植区提取的最佳时相为6月下旬到7月上旬即蕾期。（2）利用2009年7月1日HJ1B和2011年6月28日HJ1B卫星遥感影像，经辐射校正、几何精校正和图像掩膜等预处理，选择训练样区，评价训练样区的可分离性，根据统计的各地类的光谱特征值和提取的归一化植被指数建立决策树分类模型，对遥感影像进行分类。结果显示：建立的分类模型比较准确，棉花的空间分类精度达到了95%，2009年和2011年的棉花种植面积提取精度分别为93.81%和92.86%，夏津县土地利用类型总体分类精度达到了93%，kappa系数为0.91。2009年棉花种植面积为39700hm~2，2011年比2009年棉花种植面积减少了5900hm2，减幅为13.8%。（3）利用2009年7月1日，8月7日，8月30日和9月20日的HJ1B卫星遥感影像，经预处理后，计算棉花种植区优化土壤调节植被指数(OSAVI)。结果显示：优化土壤调节植被指数(OSAVI)能够较好的反映棉花的长势信息，随着棉花的生长进程，OSAVI发生有规律的变化。7月1日其平均值为0.618，8月7日达0.834，8月30日为0.792，9月20日降到0.579。棉花在七月初到八月上旬处于旺盛生长的阶段，棉花进入花铃期后，长势总体趋于稳定。七月上旬棉花处于蕾期，部分棉花由于苗情不好，生长较慢，长势较差的比例相比后期偏高。八月中下旬以后棉花生长速度减慢，九月中、下旬棉花处于吐絮期，原来长势较好的棉花进入吐絮期较早，OSAVI值急速下降，长势较好的比例减少。（4）利用普通克里格插值法将GPS采样点矢量数据插值为栅格的土壤养分空间分布图。对反映棉花长势信息的优化土壤调节植被指数（OSAVI）与土壤养分进行相关性分析，利用主成分分析法获取管理分区指标，采用K均值聚类算法进行尝试性反复快速聚类，通过F统计量和单因素方差分析结果综合确定合理分区数目，将研究区棉田划分为3个管理区。结果显示：OSAVI与各土壤养分具有显著相关性，管理一区占总棉田面积的24.67%，土壤有机质和氮磷钾含量最高，棉花长势旺盛；管理二区占47.02%，土壤养分含量中等，棉花长势一般；管理三区占28.31%，土壤肥力最低，棉花长势较差。整个研究区被分区后，各管理分区内养分含量和棉花长势空间差异较小，而管理分区间差异显著，显示了分区的合理性，适宜在同一管理区采用相同的栽培管理措施。本研究为山东省小尺度棉花遥感信息提取提供了准确简便的方法，为实时准确的棉花栽培管理与决策提供了科学依据，对科学指导棉花的种植具有重要意义。将土壤养分数据和遥感数据结合进行棉田管理分区划分是未来精准农业和农业可持续发展的重要手段，对实现我国数字化农业战略具有重大意义。