我国耕地熟制格局南北呈现复杂多样的局面,江汉平原作为湖北省重要的作物产区,一年多季种植现象更为普遍。遥感作为一种高效的监测手段,能够对农作物种植的空间分布及其动态变化进行大面积、实时地监测。但是受传感器自身因素、气候和云的影响,遥感影像并不能完全反映真实地物情况,因此对监测结果的真实性会产生很大的限制。通过对遥感影像进行平滑去噪,处理后的影像能够更真实地反映地物的情况。此外不同的作物物候特征各异,单幅遥感影像不能够动态反映作物生长过程中不同的阶段的变化,而重构后的遥感影像时间序列更能反映作物不同时期的生长情况。本研究选取湖北省天门市、潜江市和仙桃市(以下称江汉平原地区)为研究区域。利用2005-2015年的MOD13Q1遥感影像数据集提取NDVI(Normalized Difference Vegetation Index)并构建NDVI时间序列曲线。由于受到云、霾等天气甚至气候的影响,传感器获取影像的NDVI时间序列曲线并不能很好的反应真实地物的特性,所以需要对影像进行重构去噪。本文选用以下三种时间序列方法:HANTS滤波算法(时间序列的谐波分析方法,Harmonic Analysis of NDVI Time Series),该算法根据时间序列的非零频率的振幅和相位特点,通过迭代的方法去噪;S-G(Savitzky-Golay)滤波算法可以很好保留原始时间序列的形状和宽度,这对重要信息的保留具有重要意义;EMD(经验模态分解,Empirical Mode Decomposition)滤波算法不需要预置任何基函数,是一种自适应的数据处理方法,因此去噪处理的结果具有很高的信噪比。基于以上三种算法的优势,分别使用对时间序列进行重构,实现江汉平原地区较大空间尺度的复种指数提取和农作物种植面积提取,主要研究结果如下:(1)基于HANTS滤波算法、S-G滤波算法和EMD滤波算法能够对NDVI时间序列曲线进行有效重构,有效地消除由于云、霾等产生的对MODIS影像产生的噪声。3种滤波算法的处理结果虽在精度上不一致,但均能较好地反映地物在物候上的变化特征。通过滤波前后相关系数空间分布图和前后精度对比,EMD滤波算法的相关系数优于HANTS滤波算法和S-G滤波算法。(2)通过二次差分法得到符合实际情况的研究区的熟制空间分布,通过地面验证点对熟制结果进行熟制情况验证,熟制制图的平均精度较高。二次差分法结果中,HANTS算法的滤波结果的平均精度高于S-G算法和EMD算法。基于决策树的耕地熟制提取方法能够较好地识别一年两季的种植模式,但是对一年一季作物的敏感度较低。(3)结合农作物的物候信息,利用决策树对2013——2015年NDVI时间序列曲线进行试探性分析。熟制提取结果表明,江汉平原地区主要以一年两季的种植模式为主,此结果在3种滤波算法的结果中均有体现。而潜江市西南部地区在HANTS滤波算法和S-G滤波算法下,一年两季作物种植面积较为突出,在EMD滤波算法中并没有呈现密集的趋势。(4)形态相似性方法识别和提取地物需要标准地物曲线作为提取依据,天门市地区种植模式较为复杂,潜江市以稻虾养殖闻名世界,在天门市和潜江市很难提取到能够反映真实地物情况的标准地物曲线。所以针对形态相似性方法的研究区域以仙桃市为主,通过该方法识别的仙桃地区一年两季作物的种植面积较大,对一年两季的种植模式的识别较为敏感。(5)基于二次差分的耕地熟制提取对3种滤波方法后的11年时序数据的熟制提取效果较为明显;而基于决策树的方法对2013——2015年的识别效果更加显著;基于形态学相似性的熟制提取方法在仙桃地区提取效果更为显著。三种方法都能够对一年两季作物进行有效地识别和提取,但是基于决策树的耕地熟制提取方法对一年一季作物的面积提取准确性有待提高。