【摘要】【目的】中国南方地区云雨频繁且农业景观破碎，是我国农作物遥感监测最具挑战的区域之一。我国自主研发的高分系列卫星具有高时空分辨率和高质量成像的特点。本研究挖掘多源高分系列卫星的时间和空间双重优势，实现多云雨及景观异质区作物精细化识别。【方法】基于国产高空间分辨率高分二号（GF-2）影像表征农田空间几何特征，协同中空间分辨率高分一号（GF-1）和高分六号（GF-6）加密影像观测时间序列，充分表征农作物光谱季相节律。通过构建光谱-时相-空间三维分类特征，基于随机森林进行农作物分类并计算不同特征的重要性。同时，设置不同影像组合和不同分类单元下的多种分类场景，进一步分析不同高分数据协同利用在农作物识别上的表现差异。【结果】基于GF-1、GF-2和GF-6影像和面向对象的农作物分类在湖北省潜江市研究区的总体精度为95.49%,Kappa系数为0.94；在枣阳市的总体精度为93.78%,Kappa系数为0.92。协同GF-2和GF-6进行农作物分类精度优于协同GF-2和GF-1。此外，基于GF-2进行面向对象的农作物分类效果优于面向像元，其中潜江总体精度提升了1.4%，枣阳提升了1.32%。相比GF-1和GF-2对应的光谱和空间特征，GF-6光谱波段对农作物遥感识别的贡献度最大，累计重要性得分占全部光谱波段的82%（潜江）、77%（枣阳）。其中GF-6新增的红边Ⅰ波段（B5）、红边Ⅱ波段（B6）、紫波段（B7）和黄波段（B8）4个光谱波段对作物识别的贡献度分别为47%（潜江）和33%（枣阳）。【结论】协同发挥不同国产高分数据各自光谱-时间-空间优势，不仅缓解了农业景观破碎导致的“混合像元”问题，同时一定程度上降低了多云多雨气候对农作物识别影响的不确定性，为我国南方地区农作物精准识别提供了巨大潜能。