[目的]油菜是中国重要的经济作物之一,准确、及时掌握油菜种植面积对政府以及农民均有着重要的意义。本文为探索多时相Sentinel-2A影像识别种植结构复杂的小尺度地区油菜的能力,以获取高精度的作物分布信息为目的。[方法]以多时相Sentinel-2A和一景SPOT数据为数据源,选取种植结构复杂的小尺度农业区为研究区,构建不同特征向量组合,利用支持向量机(support vector machine,SVM)的方法提取油菜种植面积。[结果]通过对比分析基于不同特征向量组合的油菜识别精度,利用一景油菜最佳识别期内的Sentinel-2A影像可以得到高达89.1%的制图精度和92.1%的用户精度;添加油菜最佳纹理特征后,多时相Sentinel-2A数据的制图精度与用户精度分别提高了2.9%和2.5%,仅比SPOT影像的识别精度低了1.6%和1.9%,两种数据的油菜提取精度差异进一步减小;Sentinel-2A与SPOT数据油菜最优分类结果对比后一致性精度和Kappa系数分别为93.3%和0.89。[结论]多时相Sentinel-2A数据可以很好地识别种植结构复杂地区的油菜,加入最佳纹理信息能够提高油菜的识别精度;这可以为Sentinel-2A广泛应用于小尺度区域作物分布信息的经济快速提取提供理论基础。