随着遥感以及人工智能技术的不断发展,其在农业遥感领域的研究与应用也不断增多,目前利用时序遥感数据进行大区域的农作物种植类型识别,已经成为国家及地方政府制定宏观政策、指导农业生产的重要依据。沿黄平原区是内蒙古经济发展的重点地区之一,也是主要粮食区。而玉米作为内蒙古主要的粮食作物之一,能够从大区域作物中识别玉米作物有着非常重要的意义,本文针对内蒙古沿黄平原区利用遥感时序数据对玉米作物进行识别研究,主要研究工作如下:（1）时序NDVI植被指数数据集的构建。由于内蒙古沿黄平原是内蒙古中西部的主要粮食作物区,也是内蒙古地区经济发展的重要地区,对该地区的研究具有重要的战略意义。目前针对这一地区的作物分类研究中没有开放的时序遥感数据集,故本文采用遥感影像和地面野外采样数据,构建了内蒙古沿黄平原区特有的时序NDVI植被指数数据集。（2）MODIS遥感影像预处理软件的设计与实现。目前还没有开源的MODIS遥感数据一站式预处理软件,为了给遥感领域专业研究人员提供便利,针对MODIS遥感影像下载和预处理工作,本文研究了基于GDAL和Py Modis的数据预处理软件的设计和实现。（3）研究了基于深度学习方法的玉米作物识别模型,提出了一种基于时序特点的Maize-CNN-LSTM的玉米作物识别方法。分别采用关注局部特征的CNN和全局特征的LSTM进行训练融合模型,实验结果表明,Maize-CNN-LSTM模型能够有效提高玉米作物识别准确率。（4）提出了一种基于注意力机制的Maize-CNN-Encoder的玉米作物识别模型。利用具有注意力机制的Transformer编码器能够更好的关注时序间数据特征的关系程度。通过实验结果表明,Maize-CNN-Encoder玉米作物识别模型相比Maize-CNN-LSTM模型准确率有了明显提升。