快速、准确地获取大区域、高分辨率的作物类型分布图对农业精准管理与可持续发展具有重要意义。受遥感影像质量和数据处理能力的限制,使用遥感技术进行大尺度的作物分类仍是一项巨大的挑战。本研究的目的是使用Google Earth Engine(GEE)结合Sentinel-1和Sentinel-2影像绘制黑龙江省的作物分布图,首先收集2018年作物生长关键期(5月至9月)覆盖研究区域所有可用的Sentinel-1与Sentinel-2影像,并对影像进行月度合成,然后将月度合成影像的不同反射率波段、植被指数与极化波段作为输入量结合随机森林方法进行作物分类。结果表明使用本研究提出的方法可以准确地获得黑龙江省作物分布图,作物分类总体精度达到89.75%。本研究还发现相比仅使用传统波段(可见光波段和近红外波段)进行作物分类,增加短波红外波段可以显著改善作物分类的准确性,其次是增加红边波段,增加常见植被指数和Sentinel-1数据对作物分类的精度提升不大。本研究还分析了作物分类的时效性,结果表明当7月份的影像可用时,作物分类精度的提升幅度最大,作物分类的总体精度可以达到80%以上。本研究结果为基于遥感的大尺度、高分辨率作物分布图的制作提供支持。