耕地是农业生产和保障粮食安全问题重要的物质基础，耕地的准确识别对耕地资源的保护和农业生产可持续发展有着重要意义。为了构建高精度的耕地识别模型，本研究基于空间云计算平台使用Sentinel-1/2数据，构建不同特征类型组合，通过特征重要性分析对耕地识别特征进行筛选，形成最优特征集合，使用随机森林（random forest,RF）、支持向量机（support vector machine,SVM）和分类回归树（classification and regression tree,CART）模型对甘肃省张掖市2021年度的耕地进行识别，同时对比分析了各分类器的分类精度。结果表明，使用植被指数特征、雷达特征和地形特征的特征类型组合能够把分类精度提升到91.32%；在研究区耕地识别中表现较好的特征有海拔（elevation）、雷达VH极化通道及归一化水指数（normalized difference water index, NDWI）等；在张掖市耕地识别中，RF算法优势明显，总精度达90.04%,Kappa系数为0.79，基于RF模型得到的张掖市耕地面积为58.5万hm2，面积占比为15.4%。本研究实现了张掖市耕地的精确识别，可为该地区耕地制图提供参考。