我国是农业大国，农业生产具有种植地块破碎、农作物类别多样、种植制度和种植结构复杂的特点。近年来，遥感因其具有覆盖面积大、探测周期短、资料丰富、现势性强、费用低等特点，为快速、准确进行农业生产监测提供了一种新的科学手段。在农业遥感应用领域，作物识别是基础性工作，而识别误差也成为后续播种面积监测、产量估算等研究的重要误差来源。因此，研究有效提高作物识别精度的方式、方法有着重大的意义。 本研究不同于以往从构建新型算法、利用多时相、多源数据结合等方向改进分类方法的研究思路，而是以分析农区景观特征为重点，通过比较不同数据源、识别方法的适宜性和准确性，选取适宜结构复杂区域的识别方式，为提高作物识别精度提供了新的思路。 基于上述理论，本文以一块种植结构复杂的农耕区作为研究区，选用SPOT5 全色和多光谱遥感影像为实验数据，以ENVI、eCognition 影像处理软件为平台，分别以基于像元和面向对象的最大似然法对研究区内地物信息进行提取，并通过研究区内随机选取500 个检验点的目视解译结果，对提取精度进行检验。结果表明，基于像元的分类方法提取精度较高。 本文研究得出以下结论: 1. 基于像元分类方法比面向对象分类方法更适合于种植结构复杂区域的地物提取。 面向对象分类能够利用地物的光谱、空间、上下文关系等多方面的特征，减小“噪声”的影响并克服“椒盐”现象。但是，由于在研究区的破碎区域内，包含了大量破碎、细小地块，选用的分割尺度已较小，却仍存在大量“欠分割”的现象，致使许多地物像元的光谱信息无法有表效达，像元被划为所属图斑内多数像元所属类别；在规整区域，亦出现“过分割”的现象，加之“同物异谱”“异谱同物”的影响，错将同一类地物地块划分为不同图斑，分属不同地物类别，最终使得面向对象的识别精度反而不及基于像元的高。 2. 融合影像对于提高基于像元的地物识别精度的效果，由空间分辨率与遥感影像中目标地物的相对大小决定。 图像融合对分类精度存在正反两方面的影响。经图像融合后得到的融合影像兼具了高空间分辨率、高光谱分辨率的优势，相比多光谱影像，混合像元数目减少，有利于提高分类精度；但与此同时，地物信息也将呈现高度细节化，同类地物间光谱特性差异变大，异类间差异变小，使得类间分离度降低，且图像融合必会造成一定程度的光谱失真，这些均会降低最终的识别精度，从而减小融合影像高空间分辨率的优势。而最终分类精度如何变化最终取决于空间分辨率和遥感影像中的目标地物大小之间的相对关系。 3. 选用高空间分辨率的遥感影像可提高面向对象方法的精度。