随着遥感技术的不断发展，农作物分类方法也在不断进步。基于MODIS EVI时间序列的每地块农作物分类方法研究，是利用遥感技术中常用的MODIS EVI（增强型植被指数）时间序列数据，结合土地利用和植被生长周期，提高农作物分类的准确性。这种方法对于农作物长势监测和产量预测具有重要的实际意义。研究中，使用了ETM+数据、MODIS EVI时间序列数据和GIS地块边界数据，对农作物的识别进行了详细分析。通过分析主要农作物的光谱响应特征和MODIS EVI时间序列特征，为分类提供了依据。再以地块为单元进行图像分割和分类，并结合最邻近距离分类法、物候期修正和分类结果对比，验证了该方法的有效性。
在农业生产中，传统的农作物识别多依赖于人力，而遥感技术的运用大大提高了农作物信息提取的效率和准确性。遥感技术在农业资源调查、农作物估产、灾害监测评估及预报、农业信息管理等方面都得到了广泛应用，并取得了显著的经济效益。尽管如此，由于技术限制，常规遥感手段仍无法完全满足农业的更高需求。
MODIS（中分辨率成像光谱仪）具有较高的时间分辨率，能够提供较为连续的植被生长数据，其生成的EVI时间序列数据能够捕捉到植被生长的动态变化。由于绿色植被在光谱上具有较多的共性，常规遥感图像难以区分不同类型的植被，而通过分析MODIS EVI时间序列数据，可以有效区分各类作物，进而提高分类的准确性。
在过去的研究中，学者们利用时间序列数据提取农作物的方法取得了一定的成果。例如，利用MODIS时间序列数据对甘蔗地进行提取，通过选择不同表现的甘蔗地作为样本进行分类；或者利用MODIS时间序列对水稻的生长物候进行探测；以及运用TM时间序列对埃布罗盆地的一个灌溉区进行农作物的提取等。这些研究案例表明，通过时间序列数据提取农作物具有很好的效果。
在分类方法上，计算机自动分类处理基本单元主要分为逐像素分类、子像元（混合像素）分类和逐块分类三大类。逐像素分类方法的分类结果往往有椒盐效应，分类精度一般在60%-70%左右。子像元分类方法通过像元分解来提高分类精度，但其难点在于子像元的选择和组合。而逐块分类方法则以地块为单位进行分类，能够避免低分辨率遥感图像中的混合像元问题。
基于MODIS EVI时间序列的每地块农作物分类方法研究，对于实际应用具有重要意义。通过结合ETM+影像和MODIS EVI时间序列数据，以地块为处理单元，利用最邻近距离分类法进行初次分类，再结合作物的生长物候期信息对分类结果进行修正，最后通过比较验证，发现本文方法的分类精度能够提高20%以上，从而证明了该方法的有效性。这对于提升农作物信息提取的速度和准确性，进而更好地进行农作物长势监测和产量预测，具有积极的作用。
