黄淮海平原是我国三大平原之一,地处我国华北、华东地区,也是我国最重要的粮食生产地之一,主要粮食作物有冬小麦、玉米、水稻等。一个地区或生产单位内的农作物的类型及其空间分布,是农作物空间格局的重要组成部分,了解一个地区的农作物分布对研究农业发展策略、发布农业扶持政策,甚至是指导国家调整经济发展方针,都有着重大意义,因此,提取黄淮海平原的主要粮食作物种植区域非常必要。传统的农作物提取方法是实地走访、调研统计,对人力物力有较高的要求,并且在时间上存在滞后性,也易受到调研人员主观因素的影响,具有一定的弊端。遥感手段具备大区域覆盖、数据更迭速度快、信息丰富易获取、成本低等优势,已经在全球农情监测、土地覆盖分类等领域得到广泛应用。传统提取农作物的遥感卫星数据多是MODIS,虽然具备重访周期短、可获得每日数据等优势,但是空间分辨率较粗,混合像元现象会导致对地物分类精度较低。Landsat卫星数据的空间分辨率适中,但是时间分辨率为16天,粮食作物生长周期较短,重要的生长时期只有几个月,若受到云层等天气环境干扰,很容易错过粮食作物最佳识别周期。高分一号（GF-1）是我国2013年发射的“国产高分系列”首颗卫星,高分一号WFV数据供用户免费使用,数据可获取性较强,其16米的空间分辨率和2天的重访周期在粮食作物的识别分类上具有很大优势。本文以黄淮海平原为研究区,采集典型区冬小麦作物茬和土壤样本,开展室内光谱实验。基于高分一号影像数据,根据主要粮食农作物的物候特征和光谱信息,选择支持向量机分类法和CART（Classification And Regression Tree）决策树法对冬小麦、玉米、水稻三种主要粮食作物进行种植区域识别和面积估算。最后对2018年-2020年的黄淮海平原的主要粮食作物的空间分布格局进行分析。论文的主要研究内容和得出的主要结论如下:（1）开展室内光谱实验,获取不同含水量的冬小麦作物茬和土壤样本的高光谱数据,根据相关性分析发现可准确反演样本含水量的敏感波段R2005,与传统的比值水指数相比,敏感波段R2005对含水量的反演精度更高,可有效降低含水量对冬小麦纤维素吸收指数（Cellulose Absorption Index,CAI）的影响。（2）根据作物的物候特征和光谱信息,本文对最大似然法、最小距离法、支持向量机法和随机森林法四种方法进行精度评价,分类结果表明支持向量机的分类精度较高,因此最终选择支持向量机进行冬小麦、玉米、水稻作物种植区域的提取。由于大豆和玉米物候相近,依靠单一光谱信息难以区分,本文以两种作物重要生长期的NDVI值和NDVI差值作为特征构建CART决策树,予以区分。最终分类总体精度和总量精度在90%左右。（3）黄淮海平原的主要粮食作物分布空间格局为:冬小麦主要分布在河北省东南部、河南中部和东部、山东省中部和西部、安徽省北部地区,江苏省东部沿海地区由些许分布。在京津冀地区、山东省、河南省,玉米和冬小麦分布区域近似,河南省是冬小麦和玉米种植面积最大的省份,冬小麦和玉米主要分布在平原地区。水稻分布在安徽省中部和南部、江苏省的中部,分布于长江沿岸以及环湖地带,如环巢湖、环洪泽湖、环太湖等区域,安徽省水稻面积略大于江苏省。（4）近三年,黄淮海平原的主要粮食作物分布变化很小。相比于2018年,2020年黄淮海平原冬小麦种植面积同比增长1.0%;黄淮海平原玉米种植面积同比增长0.95%;黄淮海平原水稻种植面积同比减少0.6%。本研究基于高分一号影像,应用支持向量机法和CART决策树法,成功提取出近三年黄淮海平原范围内的主要粮食作物种植区域,并分析其空间分布格局,为有关部门监督农情发展、总结耕种经验、实施农业政策提供一定的参考价值。