及时准确地获取农作物的空间分布信息和种植面积,在农业生产管理与农业政策的制定等方面具有非常重要的作用.本文以多时相Sentinel-1A影像(4月17日、5月5日、6月16日、7月22日、8月27日、9月2日)为主要数据源,根据研究区作物的物候特征,提取棉花、玉米和果树在不同生长期的后向散射系数(Sigma)和归一化后向散射系数(Gamma).通过对作物不同极化、不同时相后向散射系数的统计,建立散射特征时序变化曲线,并分析其特征.利用人工神经网络(Artificial neural network)、支持向量机(Support vector machine)和随机森林(Random forest)3种分类方法对研究区的主要农作物进行分类识别以及种植面积提取,并对分类结果对比分析和验证.结果表明,1)棉花的后向散射系数在6月现蕾期和7月开花期明显上升,8月份达最高值,变化特征最明显,易与其他作物区分;玉米和果树的后向散射系数在9月份与其他地物之间表现出显著差异.2)相较于神经网络和支持向量机,随机森林的分类效果最好,总体精度达88.97％.其中,对棉花和果园的分类精度为90.88％和93.17％,对玉米的分类效果最差,仅有71.6％.综上所述,多时相双极化SAR数据在不同类型作物的识别及面积提取方面具有一定的应用潜力.