En los últimos años, los métodos de aprendizaje automático han atraído una atención significativa en el campo del reconocimiento de cultivos, desempeñando un papel crucial en la obtención de información sobre la distribución espacial y la comprensión de los cambios dinámicos en las áreas de cultivo. Sin embargo, la investigación en parcelas más pequeñas dentro de regiones montañosas sigue siendo relativamente limitada. Este estudio se centra en el distrito de Shangzhou en la ciudad de Shangluo, provincia de Shaanxi, utilizando un conjunto de datos de imágenes de teledetección de alta resolución (GF-1, ZY1-02D, ZY-3) recopiladas durante siete meses en 2021 para calcular el índice de vegetación de diferencia normalizada (NDVI) y construir una serie temporal. Al integrar los resultados de encuestas de campo con imágenes de series temporales y Google Earth para la interpretación visual, se analizó la curva de la serie temporal de NDVI para el maíz. Se empleó el algoritmo de clasificación de Bosques Aleatorios (RF) para el reconocimiento del maíz, y se realizaron análisis comparativos de la precisión de clasificación utilizando Máquinas de Vectores de Soporte (SVM), Naive Bayes Gaussiano (GNB) y Redes Neuronales Artificiales (ANN). Los resultados demuestran que el algoritmo de bosque aleatorio logró la mayor precisión, con una precisión general del 94.88% y un coeficiente Kappa de 0.94, superando ambos a los de los otros métodos de clasificación y obteniendo resultados generales satisfactorios. Este estudio confirma la viabilidad de utilizar imágenes de teledetección de alta resolución en series temporales para la extracción precisa de cultivos en las regiones montañosas del sur de China, proporcionando un valioso apoyo científico para optimizar el uso de recursos terrestres y mejorar la productividad agrícola.