农作物生产作为农业发展的重要组成部分,涉及社会稳定和粮食安全。由于气候、环境等变化导致的自然灾害,不仅对农作物生产造成了严重影响,还使广大农民遭受了经济损失。为保证农民利益和农业生产,国家逐步扩大政策性农业保险试点范围,支持发展主要粮食作物政策性保险业务。因此,研究利用高分辨率卫星遥感影像精准获取作物种植面积和空间分布,可为政府农业保险承保财政资金监管提供可靠的数据支持。本文以2018年多时相Sentinel-2和Google Earth等遥感影像为数据源,采用决策树分类和逻辑运算技术方法,对冬小麦、水稻在其各自物候期内的光谱指数变化规律进行研究,建立了冬小麦决策树分类模型、水稻物候算法,并对研究区冬小麦、水稻的种植面积和空间分布信息进行提取,结果表明多时相影像能够更加详细地反映作物在整个生长周期内的特征变化情况,同时能够避免因作物播种时间差异产生的提取误差,从而实现作物种植面积和空间分布精准提取。本文以河南省开封市祥符区种植的冬小麦、水稻作为研究对象,以本文构建的冬小麦决策树分类模型、水稻物候算法,对研究区冬小麦、水稻种植面积进行提取,通过实验和精度验证,得到提取结果:冬小麦种植面积提取的结果为62.85千公顷,提取精度为97.51%,总体分类精度为97.39%;水稻种植面积提取的结果为4.47千公顷,提取精度为96.75%,总体分类精度为97.81%。两种作物提取结果与政府统计公布的数据相比,误差均小于5%,提取精度符合河南省财政厅的精度要求。本文选用的Sentinel-2数据,具有分辨率高、成本低、信息获取简便等优点,为农作物遥感监测、识别提取发挥了重要作用;文中构建的两种提取方法模型简单、易于计算机实现,提取结果符合实际应用要求,能够满足农业保险承保监管的业务应用。