素有塞上江南美称的宁夏平原是中国水稻集中产区之一。针对农作物产区丰富的地带进行作物的分类对作物产量估算、粮食规划分析及用水灌溉的管理有着重要的指导作用。随着对地观测卫星的不断升空,越来越多的遥感数据应用于农作物分类领域。本文基于多源多时相遥感数据,对宁夏平原的中小片作物进行了分类。本文主要的研究内容及成果如下:(1)提出了一种光学和SAR遥感影像的改进配准算法。图像配准是图像分类的一个重要预处理步骤。为了克服异源图像配准的困难,本文利用各向异性滤波在有效去除SAR图像斑噪的同时,结合最大极值区域检测方法,对光学和SAR图像进行局部特征匹配。改进的配准算法精度较常见算法精度提高了近20%。(2)提取并构建了多特征多时间遥感图像序列。针对单一时间影像在对有变化信息的地物分类上明显存在的局限,本文首先获取了研究区域作物一个生长周期的多景影像以及每个时期不同作物的长势情况。其次提取多景影像的归一化植被指数NDVI、后向散射强度系数、纹理均值等特征,构建时间序列集,以二叉树分类的方式生成CART决策树,针对不同的作物取得了更好的分类精度。(3)分析不同分类方法对中小片作物分类的效果。分别利用非监督学习方法K-Means聚类以及监督学习方法最大似然法、随机森林分类算法对研究区主要作物玉米、水稻、小麦等进行分类。经实验发现,监督学习在基于先验知识的条件下比非监督学习方法的分类效果更好。其中随机森林算法在融合多特征的条件下,分类效果最佳,总体精度达到了 89.97%。验证了其对中小片农作物分类的有效性。本文针对单一中高分辨率遥感图像对中小片农作物分类存在的识别率低、时效性不足的问题,通过分别提取光学和雷达多时间遥感系列影像的特征,利用作物的生长物候期,采取监督学习和非监督学习的分类方法,证明了多源多时相遥感数据相结合在中小片作物分类问题上的有效性。