准确获取农作物分布信息对安排农业生产和产量估算具有重要意义,然而农业田间道路两侧普遍存在的林带及沟渠严重影响了农作物遥感分类提取精度。该文利用我国免费的2012年4月-11月完全覆盖主要农作物生育期的23幅中分辨率HJ-1A/1B星时序影像,采用决策树和面向对象相结合的分类方法提取黑龙江省双河农场主要农作物分布信息,并与传统决策树分类进行对比。通过影像预处理构建时序HJ星影像集,先用面向对象方法提取道路,为作物提取排除田间道路及附属地物干扰;再结合作物物候历分析不同地物光谱和时序特征,筛选出7大特征指数和14大敏感时相,建立决策树分类模型,成功提取出玉米和水稻。研究表明,多特征指数辅助作物分类十分有效,尤其是归一化水指数NDWI对水稻提取很有帮助;较之传统决策树分类,决策树和面向对象相结合的分类方法,能有效剔除田间道路及附属林带沟渠对作物分类的干扰,分类总精度从89.22%提升至95.18%,该方法可为其它地区利用中分辨率遥感影像低成本高精度提取作物分布信息提供借鉴。