快速、准确地获取玉米种植面积与玉米长势信息对国家粮食安全和现代信息农业发展有重要的现实意义。遥感技术在作物的大面积识别及长势监测中发挥了巨大作用,物候方法在遥感地物类型识别中具有一定优势但目前利用尚少。传统的大面积作物长势监测中,常直接使用植被指数数据作为监测指标,监测结果往往包含物候期不同带来的长势差异信息,结果的有效性受到较大干扰。该文以康平县、法库县、新民市为研究区,利用Savitzky-Golay滤波重构后的2014-2015年MODIS-NDVI时间序列数据,提取作物的物候参量信息和其他主要地物的NDVI曲线变化特征,结合水稻移栽期的NDVI、LSWI数据与大豆鼓粒期的近红外波段反射率数据,构建决策树提取出2015年春玉米种植面积。针对结果中出现的混合像元问题,利用MOD09A1反射率数据提取春玉米及混合地物的端元波谱,基于线性光谱混合模型进行混合像元分解获取春玉米丰度,根据决策树分类结果与春玉米丰度信息精确提取春玉米种植面积。在准确获取春玉米种植面积的基础上,利用Savitzky-Golay滤波重构后的2008-2015年MODIS-NDVI时间序列数据,提取历年生长季NDVI最大值、生长季长度、生长速度和NDVI活跃累积量4种物候参量,利用皮尔森相关分析方法将物候参量与单产的关系进行分析,并探讨了物候参量作为长势监测指标指示产量变化的可行性;使用4种物候参量作为长势监测指标,求取2008-2014年7年间物候参量均值,通过年际比较差值模型对2015年春玉米长势进行分级和分析。利用统计数据验证的结果如下:仅利用物候参量信息的决策树分类方法提取结果的总量精度为85.591%,结合混合光谱信息后总量精度提高到90.570%;利用实地采样点进行误差矩阵精度评价,结果显示利用物候参量信息的决策树分类方法,其总体分类精度为89.031%,Kappa系数为0.814;利用Landsat8 OLI影像的监督分类结果对所提面积进行精度评价,结果显示研究区春玉米种植面积提取的像元精度在80%以上。本文选取的长势监测指标中,区域平均生长季NDVI活跃累积量和NDVI最大值与单产具有正相关关系、且相关系数均在0.6以上,作为长势监测指标指示产量变化的效果较好;生长季生长速度与单产具有负相关关系、相关系数在0.4以上,也具有作为长势监测指标指示产量变化的可行性。研究结果表明:运用中分辨率MODIS-NDVI时间序列数据获的取物候参量信息,快速、准确提取作物面积具有可行性;物候与混合光谱相结合的方法能有效提高作物面积提取精度、促进信息化精准农业的发展。本文使用的新型作物长势监测指标中,生长季NDVI活跃累积量和NDVI最大值2种物候参量能够较好地指示作物长势,具有预测单产变化的实际作用。