及时、准确地获取农作物种植信息对于估算农作物产量至关重要，农作物早期预测有利于农业决策。目前高分辨率的农作物早期预测研究尚不多见，主要是因为高时空分辨率时间序列数据存在严重的数据缺失导致大多数分类器难以处理。针对此现象，本研究以奥地利Marchfeld农业区为研究区，提出了面向农作物早期预测的Sentinel-2植被指数（Vegetation Index，VI）时间序列重建方案，并基于TWDTW分类算法实现农作物的早期预测。结果表明：基于NDVI的分类精度高于LAI的分类精度，且大类作物的精度高于小类作物。在NDVI时间序列数据下，小麦在DOY111时就能得到准确识别，蔬菜的PA和UA分别在DOY241和DOY181时可达80%，但不够稳定，而其他农作物难以在收获之前正确识别。本研究表明TWDTW算法在物候特征差异较明显的农作物分类中更具有早期预测的潜力。
 

农作物早期识别；TWDTW算法；Sentinel-2；植被指数时间序列影像重建；