作物分类和土壤水分反演是农业遥感监测的重要组成部分。2019年度，团队在作物分类和土壤水分反演方面做了大量的实地考察和理论研究工作。团队选取开封市祥符区八里湾镇姬坡农场作为主要研究区域，对姬坡农场开展了20余次周期定点跟踪采样考察，对其30km×30km外延区域开展了3次大规模采样考察；按考察时间点收集同步的30余景Sentinel-1A影像、GF-3影像和Sentinel-2A影像；并通过网络途径获得了大量地面实测数据，为团队后续研究奠定了扎实的数据基础。

对不同物候期冬小麦的特征提取和分类方法研究，依据GF-3和Sentinel-1A影像及地面同步实测数据，分别采用Pauli相干分解方法和Cloude分解、Freeman分解、Yamaguchi分解等方法获得冬小麦极化散射的特征子集，采用监督SVM分类、Wishart监督分类、卷积神经网络等方法获取了初步粗分类结果。对微波与光学遥感土壤水分协同反演研究，依据Sentinel-1A和Sentinel-2A影像及地面同步实测数据，利用土壤和植被的VV/VH极化特征值、水分胁迫指数MSI、归一化差分植被指数NDVI和差值植被指数DVI等特征，采用水云模型，开展土壤水分的半经验反演。通过实验初步验证了VV条件下土壤水分反演半经验模型能够较好地表征研究区土壤水分空间分布情况，为后续研究工作奠定了理论基础。