作物信息提取是农业遥感的主要研究内容。基于NDVI时间序列数据的作物遥感分类方法,可以充分发挥遥感技术周期短、速度快和宏观性强的特点。但以往的研究中存在数据源分辨率低、分类方法单一等问题。为此,本文以具备高空间分辨率、高时间分辨率优势的GF-1为数据源,构建多时相NDVI时间序列曲线。从NDVI时间序列相似性分析的角度出发,对传统提取模型进行改进。在传统模型中,空间矢量提取模型和坐标转换提取模型操作简单,且总体精度均高于75%,可以应用于农业遥感的大面积作物提取研究,但对某些地物(如小宗作物)的提取能力有限;曲线积分提取模型提取的分类结果受到不同NDVI时间序列曲线具有相似积分值的影响,导致该提取模型的参数有较大重叠,使得模型的可靠性较低;为提高模型的提取精度,对三种提取模型的相似性分析条件进行了强化,构建新型的改进模型。改进模型突破了单一模型的局限性,减少错分误差,提高分类精度。但模型仍存在一定缺陷(如不能完成对漏分误差的修正),仍具有进一步改进的空间。通过研究得到的改进模型的总体精度为92.42%,达到了较高精度,验证了其在分类研究中的可行性及适用性,具有一定的应用价值和推广意义。同时,该项研究对GF-1数据的应用潜力进行了挖掘,并为多时相NDVI时间序列的作物提取研究提供了新的思路。