【摘要】[目的]水稻是我国南方地区种植面积最大的粮食作物，准确及时地获取水稻的面积及空间分布信息对于加强农业生产管理、保障国家粮食安全具有重要意义。以往利用卫星遥感技术进行水稻分类研究中影像的红边波段类型没有确定，影响着水稻面积监测的精度和效率。[方法]本文选取中国南方典型的水稻种植区—浙江省德清县为研究区，利用覆盖水稻主要生长期的5个时相（2019年5月24日、8月2日、8月17日、10月31日、11月15日）Sentinel-2卫星影像，采用随机森林算法进行水稻分类研究。分析研究区水稻及其余6种典型地物在不同波段下的反射光谱特征，采用J-M距离定量评价各时相下有无红边波段参与的各种地物光谱可分离性，比较不同红边波段下的水稻分类精度，优选水稻分类的关键时相和波段组合。[结果]相较于红、绿、蓝波段，7种典型地物在红边、近红外波段光谱差异更为明显。相比于无红边波段，有红边波段参与时水稻与其余6种地物的J-M距离更大，可分离性更强。五个时相中，在8月17日（水稻拔节期）时，水稻与其他地物可分离性最大。当3个红边波段全部参与分类时，水稻与其余6种典型地物的总体分类精度最高为91.58%，Kappa系数为0.89。Sentinel-2影像参与分类的7个波段，按重要性排序是：近红外波段> 红边波段2> 红边波段3> 红波段> 红边波段1> 绿波段> 蓝波段。[结论] 该研究可为进一步提高国南方地区水稻面积监测精度与效率提供参考依据。