冬小麥種植面積遙感提取方法研究

權(quán)文婷，王 釗

(陜西省農(nóng)業(yè)遙感信息中心，西安 710014)

0 引言

冬小麥是世界主要糧食作物之一。區(qū)域冬小麥種植面積是影響冬小麥總產(chǎn)量的主要因子。近年來，隨著氣候變暖、耕地占用和種植結(jié)構(gòu)調(diào)整等自然條件和人文影響，冬小麥種植范圍出現(xiàn)了變化。及時了解冬小麥種植面積，對開展冬小麥長勢監(jiān)測和估產(chǎn)、區(qū)域糧食安全評估等工作具有重要的社會意義。同時，農(nóng)業(yè)管理部門及時掌握冬小麥種植分布情況，也有助于提高生產(chǎn)管理效率。遙感技術(shù)具有探測面積大、數(shù)據(jù)更新周期短、真實客觀等特點，是快速、準確提取冬小麥種植面積的有效手段之一[1]，長期以來也是眾多學者研究的熱點[2－4]。近年來，隨著空間技術(shù)的日益發(fā)展，高空間分辨率、高光譜分辨率、高時間分辨率以及微波等探測技術(shù)不斷應(yīng)用到農(nóng)業(yè)遙感領(lǐng)域;而新的解譯模型的開發(fā)，將會進一步提高冬小麥種植面積遙感提取的精度。本文綜述了冬小麥種植面積遙感提取的主要研究方法，討論了目前研究中存在的問題和未來發(fā)展方向。

1 國外研究進展

在國際上，利用遙感技術(shù)的作物種植面積監(jiān)測始于美國，1974年實施的“大面積作物清查試驗”(large area crop inventory experiment，LACIE)計劃對美國及世界其他地區(qū)小麥面積和總產(chǎn)量進行了估算;隨后開展的“農(nóng)業(yè)和資源的空間遙感調(diào)查”(agricultural and resources inventory surveys through aerospace remote sensing，AGRISARS)計劃對世界多種作物進行了長勢評估和產(chǎn)量預(yù)報，并將遙感技術(shù)成功地應(yīng)用于框圖面積取樣(area sampling frame，ASF)。歐盟在1987年曾發(fā)起農(nóng)業(yè)遙感監(jiān)測(monitoring agriculture with remote sensing，MARS)項目，隨后俄羅斯、法國、加拿大等國也相繼利用遙感技術(shù)展開作物面積監(jiān)測研究[5－7]。

研究中最常用的遙感數(shù)據(jù)為Landsat TM圖像，例如Julien等[8]利用TM數(shù)據(jù)選取西班牙巴拉克斯地區(qū)，基于地表溫度和NDVI數(shù)據(jù)，采用最大似然法分類得到農(nóng)業(yè)用地，精度達87%。與TM數(shù)據(jù)相比，氣象衛(wèi)星AVHRR數(shù)據(jù)擁有較高的時間分辨率，Quarmby等[9－10]分別使用 AVHRR 數(shù)據(jù)與 AVHRR NDVI數(shù)據(jù)對冬小麥面積進行提取，結(jié)果表明AVHRR數(shù)據(jù)也能較好地提取冬小麥面積信息，精度達89%。

隨著衛(wèi)星遙感技術(shù)的不斷發(fā)展，高空間分辨率衛(wèi)星圖像在作物種植面積提取方面得到了廣泛的應(yīng)用。Tuner[11]使用SPOT XS數(shù)據(jù)對西非的薩赫勒地區(qū)進行作物監(jiān)測，將非監(jiān)督分類、分層和監(jiān)督分類方法有序結(jié)合，分類精度達71%;并針對該研究區(qū)作物種植面積小、植被覆蓋度低等特點，有效地解決了同物異譜問題;Kontoes等[12]則使用SPOT圖像，采取遙感與GIS技術(shù)相結(jié)合的方法，從遙感紋理和地理信息2方面入手進行作物分類，精度比使用傳統(tǒng)分類器提高近13%。

高光譜分辨率遙感數(shù)據(jù)擁有更豐富的光譜信息，可有效地用于對農(nóng)作物種植信息的提取與挖掘。Rama等[13]采用HyMap航空高光譜圖像對5種作物信息進行提取，精度達82%。

隨著微波遙感技術(shù)的發(fā)展，雷達數(shù)據(jù)也應(yīng)用于農(nóng)業(yè)遙感領(lǐng)域。Xavier等[14]使用雷達圖像和光學圖像，在柏林的中西部基于地塊數(shù)據(jù)進行分層分類和嵌套分類，研究結(jié)果肯定了雷達圖像對作物的識別能力。

在作物信息提取模型方面，由傳統(tǒng)的監(jiān)督分類發(fā)展到神經(jīng)網(wǎng)絡(luò)等其他分類方法。Murthy等[16]使用印度遙感衛(wèi)星數(shù)據(jù)IRS－1B圖像，采用2種最大似然算法及基于反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)(ANN)方法提取冬小麥種植信息，最終結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)方法優(yōu)于最大似然算法。

2 國內(nèi)研究現(xiàn)狀

國內(nèi)應(yīng)用遙感技術(shù)進行冬小麥估產(chǎn)始于1981年，一些學者近年來先后進行了黃淮海平原和京津冀地區(qū)的小麥遙感估產(chǎn)以及全國主要作物的遙感調(diào)查等研究[5]。目前，國內(nèi)冬小麥種植面積提取的遙感方法主要可分為5類:目視解譯與計算機自動分類、面向像元分類、基于地塊分類、遙感解譯模型分類和基于紋理特征分類。

2.1 目視解譯與計算機自動分類

計算機自動分類適用于分辨率較低的遙感圖像，包括非監(jiān)督分類與監(jiān)督分類。

2.1.1 非監(jiān)督分類

鄒金秋等[17]基于 MOIDS EVI數(shù)據(jù)，選取冬小麥生長過程中關(guān)鍵的分蘗期和抽穗期進行非監(jiān)督分類，得到冬小麥的種植面積，精度達96%;并得出提取冬小麥種植面積的最佳時相和最佳波段組合。李寄等[18]利用非監(jiān)督分類方法對時間序列 MODIS NDVI圖像進行植被指數(shù)的分級處理，得到全省的冬小麥種植面積分布百分比圖，精度達99.67%。非監(jiān)督分類法省時省力，對中、高分辨率遙感圖像分類精度較高，可以快速地提取冬小麥種植面積，但分類后處理需要用人的知識和經(jīng)驗干預(yù)。

2.1.2 監(jiān)督分類

張群等[19]對3個時相的Landsat TM數(shù)據(jù)進行監(jiān)督分類，研究多年來冬小麥種植面積的變化趨勢;韓素芹等[20]運用監(jiān)督分類的最大似然法對MODIS圖像進行分類，得到天津市冬小麥統(tǒng)計面積及分布圖，分類精度達90%。采用監(jiān)督分類法提取冬小麥種植面積過程中，遙感圖像的最佳時相選擇對提高分類精度至關(guān)重要。

2.2 面向像元分類

面向像元的分類方法包括基于像元分類和基于亞像元分類2種?；谙裨姆诸愂莻鹘y(tǒng)分類方法，分類過程中處理的最小單元是像元，通過對遙感圖像中各波段像元的光譜亮度值或反射率值進行計算，設(shè)定閾值，得到分類結(jié)果;基于亞像元的分類則進入像元內(nèi)部，將包含不同地物類型的混合像元分解為不同的“端元”(endmember)，并求得每個像元內(nèi)各個端元所占的比例[21]。

2.2.1 基于像元分類

武永利等[22]基于 FY－3A MERSI數(shù)據(jù)，采用神經(jīng)網(wǎng)絡(luò)方法提取山西省南部冬小麥種植面積，精度達81.53%。劉磊等[23]基于 Landsat TM 數(shù)據(jù)、利用光譜角制圖分類法對呼倫貝爾地區(qū)農(nóng)業(yè)種植區(qū)的冬小麥進行提取，精度達86.9%。行曉黎等[24]和李苓苓等[25]均采用環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)、基于支持向量機二分法的分類后驗概率空間變化向量分析法進行冬小麥提取，精度達到預(yù)期目標?；谙裨姆诸愂侵苯拥姆诸惙椒ǎ诙←湻N植面積提取過程中，對于種植結(jié)構(gòu)單一(僅冬小麥)且冬小麥分布廣的區(qū)域，冬小麥提取的精度較高;但對于冬小麥分布分散、地形復(fù)雜的地區(qū)，冬小麥提取的精度有待提高。

2.2.2 基于亞像元分類

由于目前常用傳感器的空間分辨率的限制，加之我國目前的耕地現(xiàn)狀為田塊分布較破碎、作物類別多樣，因此一個像元內(nèi)會包含不同的土地覆蓋類型，混合像元較多[26];而大多數(shù)圖像分類中并未考慮混合像元的問題，使得混合像元中所占面積比例較小的地物被誤分到其他類別中，因而降低了地物面積估算精度[27]?；旌舷裨纸夥梢越鉀Q因混合像元歸屬問題而產(chǎn)生的錯分、誤分問題[28]。目前，國內(nèi)外學者常用的混合像元分解模型包括線性模型、幾何光學模型及概率模型等，其中線性光譜混合模型因方法構(gòu)造簡單、物理含義明確、操作運算比較簡單、便利并且能夠滿足精度要求，而被廣泛應(yīng)用于混合像元分解中[27]。線性分解模型的原理是將圖像中每一個像元點的反射率值看作是由組成該像元各地物純凈像元反射率的線性組合，并把其中每種地物類別在該像元內(nèi)所占的面積比作為線性方程的權(quán)重系數(shù)[29]。

MODIS數(shù)據(jù)具有中等空間分辨率、高時間分辨率的特點，采用混合像元分解方法可以彌補其空間分辨率的不足，而高時間分辨率在監(jiān)測冬小麥整個生長周期內(nèi)光譜特征的變化具有優(yōu)勢，所以混合像元分類法提取冬小麥種植面積多采用MODIS圖像數(shù)據(jù)。許文波等[30]采用MODIS數(shù)據(jù)，通過線性光譜混合模型得到河南省冬小麥種植面積，總體精度為94.75%;蔡薇等[29]以山東省菏澤市曹縣為研究區(qū)，基于MODIS數(shù)據(jù)采用混合像元分解提取冬小麥種植面積，分類精度達98.6%;武永利等[31]基于MODIS數(shù)據(jù)采用混合像元分解方法提取山西運城市冬小麥種植面積，精度達95.1%;劉茜等[32]分別采用監(jiān)督分類法、K－T變換法及混合像元分解法計算冬小麥種植面積，最終結(jié)果說明采用混合像元分解法估算的冬小麥面積最接近利用航空圖像監(jiān)測得到的?；旌舷裨纸夥ㄖ卸嗽倪x擇是關(guān)鍵，不當?shù)亩嗽x擇會導(dǎo)致不穩(wěn)定解、噪聲和不正確的豐度圖像，因此端元的選擇決定著分類的精度。

2.3 基于地塊分類

目前，利用GIS地塊數(shù)據(jù)的分類方法和面向?qū)ο蟮姆诸惙椒ㄊ侵饓K分類方法的2大研究方向[33]。

2.3.1 利用GIS地塊數(shù)據(jù)分類

地塊數(shù)據(jù)具有明顯的邊界和明確的位置，在一定程度上光譜差異和混合像元的復(fù)雜程度有所降低。因此，與基于像元的分類相比，基于地塊的分類具有更高的精度和穩(wěn)定性[34]。李樂等[33]建立MODIS－NDVI數(shù)據(jù)與TM耕地地塊識別結(jié)果的定量關(guān)系，進行MODIS－NDVI時間序列下基于地塊的冬小麥種植面積測量，該方法證明了地塊數(shù)據(jù)可有效地改善因空間分辨率低導(dǎo)致的MODIS－NDVI時序數(shù)據(jù)在冬小麥遙感識別中引起的誤差;朱長明等[35]利用數(shù)據(jù)融合后的高空間分辨率SPOT5遙感圖像提取農(nóng)田地塊專題信息，在地塊專題層控制下提取冬小麥種植面積，精度達90%以上。利用基于GIS的地塊數(shù)據(jù)進行冬小麥種植信息提取，可以避免因遙感圖像空間分辨率低而產(chǎn)生的邊界問題，將耕地以外的植被信息排除，則可以彌補直接進行冬小麥分類的不足。

2.3.2 面向?qū)ο蟮姆诸?/p>

基于像元的分類以單個像元為基本單位進行信息提取，存在忽略地物幾何結(jié)構(gòu)特征的情況，并且在分類結(jié)果中“椒鹽”現(xiàn)象普遍，而混合像元分類方法中端元的選擇和組合又成為難點。面向?qū)ο蟮姆诸惙椒ㄊ腔谀繕藢ο蟮姆诸惙椒?，其基本原理是首先根?jù)設(shè)定的閾值對圖像像元進行合并和分割，形成目標對象;進而對其進行分類，分類時不僅依靠地物的光譜特性，更多的是根據(jù)目標對象的上下文、空間、紋理等結(jié)構(gòu)信息和幾何特征，把具有相同規(guī)則的目標對象歸為一類[5]。面向?qū)ο蠓诸惙ㄔ诜诸愡^程中集成了專家知識和多種輔助數(shù)據(jù)，更符合人們認知地理客體的規(guī)律。面向?qū)ο蠓诸惙ㄅc面向像元分類法最大的區(qū)別在于前者是基于圖像的對象或基元，而后者是基于單個像元[33]。范磊等[5]應(yīng)用面向?qū)ο蠓椒?，對遙感圖像進行多尺度分割，提取冬小麥種植面積及空間分布，精度達94.06%;李衛(wèi)國等[3]以江蘇省的3個城市為研究區(qū)，基于 Landsat TM數(shù)據(jù)、采用面向?qū)ο蠓诸惙▽Χ←溍娣e進行提取，分類精度達 94.16%;王啟田等[33]采用 TM數(shù)據(jù)，通過易康(eCognition)軟件對研究區(qū)采取面向?qū)ο蠓诸惙椒?，得到冬小麥種植面積及其分布信息，精度為95.58%;張建國等[36]以山東省恒臺縣為研究區(qū)，基于ETM+數(shù)據(jù)，通過圖像分割和基于知識的面向?qū)ο蠓诸惙椒ㄌ崛⊙芯繀^(qū)冬小麥面積，精度達99.5%。用面向?qū)ο蠓诸惙ㄟM行冬小麥種植面積提取時，將冬小麥歸為一個對象，從而避免了一般直接分類結(jié)果中的“椒鹽”現(xiàn)象;但因圖像分割的尺度問題，有可能將田間小道、房屋等分類為冬小麥，造成冬小麥分類結(jié)果的面積增大，若能解決好圖像分割尺度問題，便可進一步提高冬小麥提取精度。

2.4 遙感解譯模型分類

遙感解譯的本質(zhì)是遙感分類，遙感解譯模型就是通過分析、識別不同作物在遙感圖像中表現(xiàn)出不同的光譜、紋理等影像特征，達到區(qū)分作物類別、監(jiān)測作物空間分布格局和提取作物種植面積的目標[37]。在冬小麥種植面積提取的遙感方法研究中，常用到的解譯模型包括基于NDVI閾值建立的模型及決策樹模型;此外，GIS輔助數(shù)據(jù)的引用也為冬小麥種植面積監(jiān)測提供了新的思路。

2.4.1 NDVI閾值法

植被指數(shù)可以定性和定量地評價植被生物量、生長活力及植被覆蓋度等，常見的植被指數(shù)有歸一化差值植被指數(shù)NDVI、差值植被指數(shù)、比值植被指數(shù)等[21]。國內(nèi)很多學者將2期或多期NDVI圖像做簡單運算(相減或相除)，通過設(shè)定適當?shù)拈撝堤崛《←湻N植面積信息，得到較高的精度[38－41]。還有一些學者在分析冬小麥生長期內(nèi)物候特征的基礎(chǔ)上，根據(jù)幾個關(guān)鍵期冬小麥NDVI閾值的變化建立規(guī)則，得到冬小麥的提取模型，精度均在90%以上[42－46]。NDVI閾值法充分利用了冬小麥生長期內(nèi)幾個關(guān)鍵時期在遙感圖像中反映的特殊光譜特征，加大冬小麥與其他地物的差異，提高冬小麥提取精度;但對圖像的選擇要求較高，一般需要使用時間分辨率較高的遙感圖像(如MODIS數(shù)據(jù)、HJ減災(zāi)小衛(wèi)星數(shù)據(jù)等)。

2.4.2 決策樹分類法

決策樹分類法具有分類結(jié)構(gòu)直觀、運算效率高等優(yōu)點[47]，大多以“二類判別”為基礎(chǔ)，通過分層、逐次比較，最后達到分類的目的。馮美臣等[49]采用TM圖像，通過搭建決策樹結(jié)構(gòu)進行不同灌溉類型冬小麥種植面積的提取，分別得到了水地冬小麥和旱地冬小麥的種植面積，2種耕地類型的冬小麥提取精度分別為86.15%和86.16%;趙晶晶等[50]選取2個時期的MODIS－NDVI圖像，采用決策樹方法設(shè)定NDVI閾值、提取冬小麥種植面積，總體分類精度達87.2%;張健康等[37]運用多時相TM/ETM+數(shù)據(jù)和MODIS EVI數(shù)據(jù)，建立決策樹識別模型，對黑龍港地區(qū)冬小麥種植信息進行提取，總體分類精度達91.3%;秦元偉等[51]在分析研究區(qū)典型地物光譜特征的基礎(chǔ)上，采用決策樹分類方法提取冬小麥種植面積，分類精度在96%以上。決策樹分類法通過不同地物在遙感圖像某個波段的差異，引入GIS數(shù)據(jù)或氣象數(shù)據(jù)等，進行目標地物提取;有效的判別規(guī)則是決策樹分類法提取冬小麥種植面積的關(guān)鍵;但對某些光譜特征或空間特征相似的地物，還需要輔以其他分類方法。

2.4.3 GIS 輔助數(shù)據(jù)法

在使用單一遙感數(shù)據(jù)監(jiān)測冬小麥種植信息的同時，若再分析冬小麥與其生長環(huán)境的關(guān)系，并加入GIS數(shù)據(jù)輔助分析，則可以為利用遙感圖像提取冬小麥種植面積提供新的思路。王來剛等[52]根據(jù)冬小麥的種植區(qū)劃對研究區(qū)進行分區(qū)，在分區(qū)的前提下根據(jù)地形地貌因素、種植結(jié)構(gòu)差異和遙感圖像受大氣噪聲影響的程度等3方面因素再進行細分分區(qū)，基于我國環(huán)境減災(zāi)衛(wèi)星圖像，通過遙感分類提取出冬小麥的種植信息;賈建華等[53]基于地形高度對地物光譜反射值的影響，借助DEM數(shù)據(jù)對研究區(qū)域進行劃分，在分析研究區(qū)主要農(nóng)作物時間譜曲線特征的基礎(chǔ)上，成功地提取出冬小麥種植面積。GIS與RS的結(jié)合是3S技術(shù)發(fā)展的方向，GIS輔助數(shù)據(jù)的引入為冬小麥種植面積在空間上的判別提供了依據(jù)。

2.5 基于紋理特征分類

單純的光譜分類器只考慮圖像的光譜特征，但自然界存在大量“同物異譜”與“異物同譜”現(xiàn)象，而地物都是具有一定空間結(jié)構(gòu)特征和紋理特征的。因此，利用地物的空間特征和紋理特征的差異，可以比較容易地區(qū)分地物類型，而只利用單純的光譜信息則不一定能很好地區(qū)分不同地物。利用不同的定量化方法計算地物的紋理特征并應(yīng)用于地物分類中，已得到許多人的提倡[21]。顧曉鶴等[54]采用 TM 圖像、引入紋理信息對冬小麥種植面積進行估算，結(jié)果證明紋理信息的引入有助于進一步提高地塊分類的精度;朱秀芳等[55]選取7種紋理信息和5種植被指數(shù)信息分別加入到TM多光譜數(shù)據(jù)中，結(jié)果表明同一種信息特征對不同分類器的響應(yīng)是不同的;張楠楠[56]則將農(nóng)作物的物候特征、光譜特征和紋理特征納入作物種植結(jié)構(gòu)的遙感監(jiān)測和分析，識別冬小麥。

3 討論與展望

近年來，隨著衛(wèi)星遙感技術(shù)的發(fā)展，國內(nèi)外對冬小麥種植面積遙感提取方面的研究越來越多，除了研究提取方法外，很多學者還對冬小麥提取過程中的數(shù)據(jù)選擇及精度保證等方面的問題進行了研究，并提出實驗基礎(chǔ)與理論依據(jù)。齊臘等[57]采用中巴資源衛(wèi)星CBERS－02數(shù)據(jù)對用遙感方法提取冬小麥的最佳時相進行了探討;何浩等[58]用SPOT5數(shù)據(jù)進行了尺度變化對農(nóng)作物測量精度影響的分析，從不同空間分辨率、不同空間范圍和不同農(nóng)作物百分比等角度分析了農(nóng)作物種植面積在遙感測量中的尺度效應(yīng)。在此基礎(chǔ)上，筆者認為在以下幾方面還有待于更深入地探討與研究:

1)地形復(fù)雜、耕地破碎度較高地區(qū)的冬小麥種植信息提取。鑒于傳感器分辨力以及研究尺度等問題，很多冬小麥的遙感提取方法將研究區(qū)視為一個整體對象進行監(jiān)測，但很多對耕地大范圍分布且為平原的地區(qū)監(jiān)測精度高的方法并不適用于地形復(fù)雜或耕地破碎度高的地區(qū)。因此，對后一種地區(qū)進行深入研究十分必要，只有高分辨率遙感圖像的應(yīng)用可以提高這部分地區(qū)作物面積提取精度。同樣，對于種植結(jié)構(gòu)復(fù)雜的地區(qū)，多種作物間作套種，要把每種作物正確地識別出來，利用高分辨率遙感圖像是一個便捷而有效的辦法，但其可獲取性及時間分辨率仍是一個需要解決的問題。

2)基于行政區(qū)劃或作物種植模式的研究區(qū)劃分。依據(jù)行政區(qū)劃或作物種植模式對研究區(qū)進行劃分，各分區(qū)針對本區(qū)的特點采用不同的遙感模型進行作物種植信息提取。這種分區(qū)提取的方法需要與GIS數(shù)據(jù)和其他輔助數(shù)據(jù)相結(jié)合，GIS數(shù)據(jù)可以提供冬小麥種植區(qū)豐富的地理信息;氣象數(shù)據(jù)可提供冬小麥生長環(huán)境的氣象條件，將GIS、氣象與遙感數(shù)據(jù)進行有效整合，可以為冬小麥種植信息的提取提供一個新的思路。

3)多源、多時相遙感圖像的綜合應(yīng)用。綜合應(yīng)用多源、多時相遙感數(shù)據(jù)，采用數(shù)據(jù)融合技術(shù)提高遙感圖像的時間和空間分辨率，結(jié)合圖像的紋理特征信息對冬小麥種植面積進行提取，是冬小麥種植信息遙感監(jiān)測的一個發(fā)展方向。

4)冬小麥及其周圍地物光譜測量數(shù)據(jù)的綜合應(yīng)用。結(jié)合冬小麥及其周圍地物的地面光譜測量數(shù)據(jù)分析冬小麥的光譜特征信息，采用高光譜圖像數(shù)據(jù)對冬小麥種植信息進行提取，是目前國內(nèi)研究較少的方法，其原因可能是:①典型區(qū)域地面光譜測量需要一定人力物力，實施起來不容易;②目前高光譜圖像的獲取有一定難度，尤其在特殊時期及指定地區(qū)。

5)遙感監(jiān)測結(jié)果的驗證。在目前大部分研究中，冬小麥種植面積遙感提取結(jié)果多采用統(tǒng)計數(shù)據(jù)進行驗證，而統(tǒng)計數(shù)據(jù)本身的精度并不能得到保證;并且統(tǒng)計數(shù)據(jù)只能驗證面積估算總數(shù)，并不能對遙感監(jiān)測的冬小麥分布位置加以驗證。建議在研究區(qū)選取典型樣區(qū)，對冬小麥的地面分布情況進行測量(包括點和面的冬小麥分布測量)，并且保證一定的數(shù)量，這樣對冬小麥種植信息遙感監(jiān)測結(jié)果的驗證會更加精確，在一定程度上也會相對地提高冬小麥的遙感提取精度。

4 結(jié)論

1)在對國內(nèi)、外相關(guān)資料調(diào)研的基礎(chǔ)上，本文歸納總結(jié)了國內(nèi)遙感提取冬小麥種植面積主要采取的5類方法，即目視解譯與計算機自動分類、面向像元分類，基于地塊分類、遙感解譯模型分類和基于紋理特征分類。介紹了每一類中的各種方法的原理和特點，列舉了上述方法目前取得的成果，并對每一種方法進行了評價，對今后用遙感方法提取冬小麥種植面積的研究提供參考。

2)針對國內(nèi)的研究現(xiàn)狀，筆者指出了如何突破目前技術(shù)發(fā)展瓶頸的方法和措施。采用高空間分辨率圖像，將遙感圖像、GIS與氣象數(shù)據(jù)有效整合，多源、多時相遙感圖像綜合應(yīng)用，冬小麥及其周圍地物光譜測量數(shù)據(jù)與高光譜圖像數(shù)據(jù)的綜合應(yīng)用等，是提高冬小麥種植面積遙感提取精度的發(fā)展方向;另外，采用地面測量冬小麥分布數(shù)據(jù)取代統(tǒng)計數(shù)據(jù)對遙感提取結(jié)果進行驗證，也會相對地提高冬小麥的遙感提取精度。

3)本文所討論的冬小麥種植面積遙感提取方法多用于以省、市、縣范圍為研究區(qū)的地區(qū)，但中國地域遼闊，北方與南方冬小麥區(qū)的冬小麥種植模式并不相同，對于全國范圍的冬小麥種植面積遙感提取方法的歸納總結(jié)，本文并未涉及。其原因是有關(guān)全國范圍冬小麥種植面積提取的相關(guān)資料并不多，大多采用遙感監(jiān)測與抽樣外推相結(jié)合的方法，單純采用遙感方法提取一來精度無法滿足，二來遙感圖像等數(shù)據(jù)獲取有難度。這是本文的不足之處，但也是冬小麥種植面積遙感提取技術(shù)未來發(fā)展的方向之一。

[1]陳水森，柳欽火，陳良富，等.糧食作物播種面積遙感監(jiān)測研究進展[J].農(nóng)業(yè)工程學報，2005，21(6):166－171.Chen S S，Liu Q H，Chen L F，et al.Review of research advances in remote sensing monitoring of grain crop area[J].Transactions of the Chinese Society of Agricultural Engineering，2005，21(6):166－171.

[2]趙 蓮，張錦水，胡潭高，等.變端元混合像元分解冬小麥種植面積測量方法[J].國土資源遙感，2011，23(1):66－72.Zhao L，Zhang J S，Hu T G，et al.The application of the dynamic endmember linear spectral unmixing model to winter wheat area estimation[J].Remote Sensing for Land and Resources，2011，23(1):66－72.

[3]李衛(wèi)國，蔣 楠.基于面向?qū)ο蠓诸惖亩←湻N植面積提取[J].麥類作物學報，2012，32(4):701－705.Li W G，Jiang N.Extraction of winter wheat planting area by object－ oriented classification method[J].Journal of Triticeae Crops，2012，32(4):701－705.

[4]黃 青，李丹丹，陳仲新，等.基于MODIS數(shù)據(jù)的冬小麥種植面積快速提取與長勢監(jiān)測[J].農(nóng)業(yè)機械學報，2012，43(7):163－167.Huang Q，Li D D，Chen Z X，et al.Monitoring of planting area and growth condition of winter wheat in China based on MODIS data[J].Transactions of the Chinese Society for Agricultural Machinery，2012，43(7):163－167.

[5]范 磊，程永正，王來剛，等.基于多尺度分割的面向?qū)ο蠓诸惙椒ㄌ崛《←湻N植面積[J].中國農(nóng)業(yè)資源與區(qū)劃，2010，31(6):44－51.Fan L，Cheng Y Z，Wang L G，et al.Estimation of winter wheat planting area using object－oriented method based on multi－scale segmentation[J].Chinese Journal of Agricultural Resources and Regional Planting，2010，31(6):44－51.

[6]劉海啟，金敏毓，龔維鵬.美國農(nóng)業(yè)遙感技術(shù)應(yīng)用狀況概述[J].中國農(nóng)業(yè)資源與區(qū)劃，1999，20(2):56－60.Liu H Q，Jin M Y，Gong W P.Applications of remote sensing in agriculture in the United States[J].Chinese Journal of Agricultural Resources and Regional Planting，1999，20(2):56－60.

[7]劉海啟.歐盟MARS計劃簡介與我國農(nóng)業(yè)遙感應(yīng)用思路[J].中國農(nóng)業(yè)資源與區(qū)劃，1999，20(3):55－57.Liu H Q.The introduction of MARS plan of European commission and Chinese agriculture remote sensing application[J].Chinese Journal of Agricultural Resources and Regional Planting，1999，20(3):55－57.

[8]Julien Y，Sobrino J A，Jiménez－ Mun～oz J C.Land use classification from multitemporal Landsat imagery using the yearly land cover dynamics(YLCD)method[J].International Journal of Applied Earth Observation and Geoinformation，2011，13(5):711－720.

[9]Quarmby N A，Milnes M，Hindle T L，et al.The use of multi－temporal NDVI measurements from AVHRR data for crop yield estimation and prediction[J].International Journal of Remote Sensing，1993，14(2):199－210.

[10]Quarmby N A，Townshend J R G，Settle J J，et al.Linear mixture modeling applied to AVHRR data for crop area estimation[J].International Journal of Remote Sensing，1992，13(3):415－425.

[11]Turner M D，Congalton R G.Classification of multitemporal SPOT－XS satellite data for mapping rice fields on a West African flood plain[J].International Journal of Remote Sensing，1998，19(1):21－41.

[12]Kontoes C，Wilkinson G G，Burril A，et al.An experimental system for the integration of GIS data in knowledge based image analysis for remote sensing of agriculture[J].International Journal of Geographical Information Systems，1993，7(3):247－262.

[13]Nidamanuri R R，Zbell B.Transferring spectral libraries of canopy reflectance for crop classification using hyperspectral remote sensing data[J].Biosystems Engineering，2011，110(3):231－246.

[14]Xavier B，Laurent V，Pierre D.Efficiency of crop identification based on optical and SAR image time series[J].Remote Sensing of Environment，2005，96(3/4):352－ 365.

[15]Inzana J，kusky T，Higgs G，et al.Supervised classifications of Landsat TM band ratio images and Landsat TM band ratio image with radar for geological interpretations of central Madagascar[J].Journal of African Earth Sciences，2003，37(1－2):59－72.

[16]Murthy C S，Raju P V，Badrinath K V S.Classification of wheat crop with multi－temporal images:Performance of maximum likelihood and artificial neural networks[J].International Journal of Remote sensing，2003，24(23):4871－4890.

[17]鄒金秋，陳佑啟，Uchida S，等.利用Terra/MODIS數(shù)據(jù)提取冬小麥面積及精度分析[J].農(nóng)業(yè)工程學報，2007，23(11):195－200.Zou J Q，Chen Y Q，Uchida S，et al.Method for extracting winter wheat area using Terra/MODIS data andits accuracy analysis[J].Transactions of the Chinese Society of Agricultural Engineering，2007，23(11):195－200.

[18]李 寄，黃進良，許文波.湖北省冬小麥種植面積遙感估算方法研究[J].世界科技研究與發(fā)展，2008，30(5):597－599.Li J，Huang J L，Xu W B.Study on method of estimating the winter wheat acreage using remote sensing of Hubei Province[J].World Sci－ tech Research and Development，2008，30(5):597－599.

[19]張 群，胡春勝，陳素英，等.多時相遙感影像監(jiān)測冬小麥種植面積的變化研究——以河北省三河市與大廠回族自治縣為例[J].中國生態(tài)農(nóng)業(yè)學報，2006，14(3):180－183.Zhang Q，Hu C S，Chen S Y，et al.Changes of winter wheat planting area detected by using multitemporal remote sensing images:A case study from Sanhe City and Hui Autonomous County of Dachang of Hebei Province[J].Chinese Journal of Eco－ Agriculture，2006，14(3):180－183.

[20]韓素芹，劉淑梅.EOS/MODIS衛(wèi)星資料在監(jiān)測冬小麥面積中的應(yīng)用[J].天津農(nóng)學院學報，2004，11(2):26－28.Han S Q，Liu S M.Application of MODIS data to monitor winter wheat acreage in Tianjin[J].Journal of Tianjin Agricultural College，2004，11(2):26－28.

[21]趙英時.遙感應(yīng)用分析原理與方法[M].北京:科學出版社，2003.Zhao Y S.The principle and method of analysis of remote sensing application[M].Beijing:Science Press，2003.

[22]武永利，趙永強，靳 寧，等.單時相MERSI數(shù)據(jù)在冬小麥種植面積監(jiān)測中的應(yīng)用[J].中國農(nóng)學通報，2011，27(14):127－131.Wu Y L，Zhao Y Q，Jin N，et al.Monitoring of winter wheat area based on mono temporal MERSI data[J].Chinese Agricultural Science Bulletin，2011，27(14):127－131.

[23]劉 磊，江 東，徐 敏，等.基于多光譜影像和專家決策法的作物分類研究[J].安徽農(nóng)業(yè)科學，2011，39(25):15809－15811.Liu L，Jiang D，Xu M，et al.Crops classification based on multispectral image and decision tree method[J].Journal of Anhui Agricultural Sciences，2011，39(25):15809－15811.

[24]行曉黎，許明魁，唐詩華，等.基于環(huán)境減災(zāi)衛(wèi)星的遙感技術(shù)在農(nóng)業(yè)統(tǒng)計中的應(yīng)用——以北京冬小麥為例[J].城市勘測，2010，12(6):76－78.Xing X L，Xu M K，Tang S H，et al.Based on the environmental disaster mitigation satellite technology of remote sensing in agricultural application:Take the Beijing wheat as an example[J].Urban Geotechnical Investigation and Surveying，2010，12(6):76－78.

[25]李苓苓，潘耀忠，張錦水，等.支持向量機與分類后驗概率空間變化向量分析法相結(jié)合的冬小麥種植面積測量方法[J].農(nóng)業(yè)工程學報，2010，26(9):210－217.Li L L，Pan Y Z，Zhang J S，et al.Method of winter wheat planting area estimation based on support vectormachine and post－classification changed vector analysis[J].Transactions of the Chinese Society of Agricultural Engineering，2010，26(9):210－217.

[26]李曉松，吳 波，范文義，等.基于光譜混合分析的荒漠化信息提取——以毛烏素沙地為例[J].林業(yè)科學研究，2006，19(2):192－198.Li X S，Wu B，F(xiàn)an W Y，et al.Extraction of desertification information based on SMA:A case study in Mu Us sandland[J].Forest Research，2006，19(2):192－198.

[27]張 軍.基于MODIS遙感數(shù)據(jù)的山東省濟寧市冬小麥面積估算研究[D].南京:南京大學，2012.Zhang J.Estimation of winter wheat area in Jining City，Shandong Province with MODIS remote sensing data[D].Nanjing:Nanjing University，2012.

[28]李 素，李文正，周建軍，等.ETM+影像亞像元級城市土地覆蓋組分豐度提取——以南京市為例[J].地理與地理信息科學，2008，24(2):17－22.Li S，Li W Z，Zhou J J，et al.Urban land cover composition abundance extraction of sub－pixel level based on ETM+image:A case study of Nanjing[J].Geography and Geo－ Information Science，2008，24(2):17－22.

[29]蔡 薇，郭洪海，隋學艷，等.基于混合像元分解提取小麥種植面積的技術(shù)與方法研究[J].山東農(nóng)業(yè)科學，2009(5):12－16.Cai W，Guo H H，Sui X Y，et al.Technology and method study for extracting wheat planting area based on mixed－pixel decomposition[J].Shandong Agricultural Sciences，2009(5):12－16.

[30]許文波，張國平，范錦龍，等.利用MODIS遙感數(shù)據(jù)監(jiān)測冬小麥種植面積[J].農(nóng)業(yè)工程學報，2007，23(12):144－149.Xu W B，Zhang G P，F(xiàn)an J L，et al.Remote sensing monitoring of winter wheat areas using MODIS data[J].Transactions of the Chinese Society of Agricultural Engineering，2007，23(12):144－149.

[31]武永利，王云峰，張建新，等.應(yīng)用線性混合模型遙感監(jiān)測冬小麥種植面積[J].農(nóng)業(yè)工程學報，2009，25(2):136－140.Wu Y L，Wang Y F，Zhang J X，et al.Linear mixture modeling applied to remote sensing monitoring of winter wheat areas[J].Transactions of the Chinese Society of Agricultural Engineering，2009，25(2):136－140.

[32]劉 茜，徐希孺.航空影像與TM影像的配準及用航空影像對TM進行作物估產(chǎn)方法的精度檢驗[J].環(huán)境遙感，1994，9(4):272－279.Liu Q，Xu X R.Matching of airphotos with TM images and precision testing of crop area estimation by means of TM using airphotos[J].Remote Sensing of Environment China，1994，9(4):272－279.

[33]李 樂，張錦水，朱文泉，等.地塊支持下MODIS－NDVI時間序列冬小麥種植面積測量研究[J].光譜學與光譜分析，2011，31(5):1379－1383.Li L，Zhang J S，Zhu W Q，et al.Winter wheat area estimation with MODIS－ NDVI time series based on parcel[J].Spectroscopy and Spectral Analysis，2011，31(5):1379－1383.

[34]王啟田，林祥國，王志軍，等.利用面向?qū)ο蠓诸惙椒ㄌ崛《←湻N植面積的研究[J].測繪科學，2008，33(2):143－146.Wang Q T，Lin X G，Wang Z J，et al.Extraction of winter wheat planting area by object－ oriented classification method[J].Science of Surveying and Mapping，2008，33(2):143－146.

[35]朱長明，駱劍承，沈占鋒，等.基于地塊特征基元與多時相遙感數(shù)據(jù)的冬小麥播種面積快速提取[J].農(nóng)業(yè)工程學報，2011，27(9):94－99.Zhu C M，Luo J C，Shen Z F，et al.Winter wheat planting area extraction using multi－temporal remote sensing data based on filed parcel characteristic[J].Transactions of the Chinese Society of Agricultural Engineering，2011，27(9):94－99.

[36]張建國，李憲文，吳延磊.面向?qū)ο蟮亩←湻N植面積遙感估算研究[J].農(nóng)業(yè)工程學報，2008，24(5):156－160.Zhang J G，Li X W，Wu Y L.Object oriented estimation of winter wheat planting area using remote sensing data[J].Transactions of the Chinese Society of Agricultural Engineering，2008，24(5):156－160.

[37]張健康，程彥培，張發(fā)旺，等.基于多時相遙感影像的作物種植信息提取[J].農(nóng)業(yè)工程學報，2012，28(2):134－141.Zhang J K，Cheng Y P，Zhang F W，et al.Crops planting information extraction based on multi－temporal remote sensing images[J].Transactions of the Chinese Society of Agricultural Engineering，2012，28(2):134－141.

[38]王茂新，裴志遠，吳 全，等.用NOAA圖像監(jiān)測冬小麥面積的方法研究[J].農(nóng)業(yè)工程學報，1998，14(3):84－88.Wang M X，Pei Z Y，Wu Q，et al.Winter－ wheat sown area estimation using NOAA－ AVHRR data[J].Transactions of the Chinese Society of Agricultural Engineering，1998，14(3):84－88.

[39]王云峰，沈潤平.基于MODIS數(shù)據(jù)的丘陵地區(qū)冬小麥種植面積提取研究[J].安徽農(nóng)業(yè)科學，2009，37(33):16694－16696.Wang Y F，Shen R P.Study on the planting area extraction of winter wheat based on MODIS data[J].Journal of Anhui Agricultural Sciences，2009，37(33):16694－16696.

[40]王云峰，沈潤平，田國珍.基于MODIS數(shù)據(jù)光譜突變法提取冬小麥種植面積研究[J].內(nèi)蒙古氣象，2009(6):18－21.Wang Y F，Shen R P，Tian G Z.Study on extracting winter wheat planting area based on MODIS data by spectral mutation[J].Meteorology Journal of Inner Mongolia，2009(6):18－21.

[41]競 霞，劉良云，張 超，等.利用多時相NDVI監(jiān)測京郊冬小麥種植信息[J].遙感技術(shù)與應(yīng)用，2005，20(2):238－242.Jing X，Liu L Y，Zhang C，et al.Monitoring planting information of Beijing winter wheat utilizing multi－ temporal NDVI[J].Remote Sensing Technology and Application，2005，20(2):238－242.

[42]黃 青，吳文斌，鄧 輝，等.2009年江蘇省冬小麥和水稻種植面積信息遙感提取及長勢監(jiān)測[J].江蘇農(nóng)業(yè)科學，2010(6):508－511.Huang Q，Wu W B，Deng H，et al.Extraction of winter wheat and rice planting area and growing monitoring using remote sensing method in Jiangsu Province 2009[J].Jiangsu Agricultural Sciences，2010(6):508－511.

[43]楊小喚，張香平，江 東.基于MODIS時序NDVI特征值提取多作物播種面積的方法[J].資源科學，2004，26(6):17－22.Yang X H，Zhang X P，Jiang D.Extraction of multi－crop planting areas from MODIS data[J].Resources Science，2004，26(6):17－22.

[44]喬紅波，張 慧，程登發(fā).不同時序EOS/MODIS－NDVI監(jiān)測河南省冬小麥面積[J].安徽農(nóng)業(yè)科學，2008，36(27):11940－11941.Qiao H B，Zhang H，Cheng D F.Application of EOS/MODIS－NDVI at different time sequences on monitoring winter wheat acreage in Henan Province[J].Journal of Anhui Agricultural Sciences，2008，36(27):11940－11941.

[45]康凌艷，雷玉平，鄭 力，等.在GIS支持下利用MODIS數(shù)據(jù)監(jiān)測多種作物和果樹種植面積[J].遙感技術(shù)與應(yīng)用，2007，22(3):361－366.Kang L Y，Lei Y P，Zheng L，et al.Vegetation classification based on MODIS data and the accuracy evaluation in the pixel scale[J].Remote Sensing Technology and Application，2007，22(3):361－366.

[46]李 穎，陳秀萬，段紅偉，等.多源多時相遙感數(shù)據(jù)在冬小麥識別中的應(yīng)用研究[J].地理與地理信息科學，2010，26(4):47－49.Li Y，Chen X W，Duan H W，et al.Application of multi－ source and multi－temporal remote sensing data in winter wheat identification[J].Geography and Geo－ Information Science，2010，26(4):47－49.

[47]王正海，張紅軍.SAM和決策樹結(jié)合的Hyperion數(shù)據(jù)分類方法[J].武漢科技大學學報:自然科學版，2006，29(5):478－481.Wang Z H，Zhang H J.A classification model for remote sensing images based on SAM and decision tree[J].Journal of Wuhan U-niversity of Science and Technology，2006，29(5):478－481.

[48]韓 濤，李耀輝，郭 鈮.基于EOS/MODIS資料的沙塵遙感監(jiān)測模型研究[J].高原氣象，2005，24(5):757－764.Han T，Li Y H，Guo N.Research on dust storm monitoring model based on EOS/MODIS data[J].Plateau Meteorology，2005，24(5):757－764.

[49]馮美臣，楊武德，張東彥，等.基于TM和MODIS數(shù)據(jù)的水旱地冬小麥面積提取和長勢監(jiān)測[J].農(nóng)業(yè)工程學報，2009，25(3):103－109.Feng M C，Yang W D，Zhang D Y，et al.Monitoring planting area and growth situation of irrigation－land and dry－land winter wheat based on TM and MODIS[J].Transactions of the Chinese Society of Agricultural Engineering，2009，25(3):103－109.

[50]趙晶晶，劉良云，徐自為，等.華北平原冬小麥總初級生產(chǎn)力的遙感監(jiān)測[J].農(nóng)業(yè)工程學報，2011，27(增1):346－351.Zhao J J，Liu L Y，Xu Z W，et al.Monitoring winter wheat GPP in Huabei Plain using remote sensing and flux tower[J].Transactions of the Chinese Society of Agricultural Engineering，2011，27(s1):346－351.

[51]秦元偉，趙庚星，姜曙千，等.基于中高分辨率衛(wèi)星遙感數(shù)據(jù)的縣域冬小麥估產(chǎn)[J].農(nóng)業(yè)工程學報，2009，25(7):118－123.Qin Y W，Zhao G X，Jiang S Q，et al.Winter wheat yield estimation based on high and moderate resolution remote sensing data at county level[J].Transactions of the Chinese Society of Agricultural Engineering，2009，25(7):118－123.

[52]王來剛，鄭國清，陳懷亮，等.基于HJ－CCD影像的河南省冬小麥種植面積變化全覆蓋監(jiān)測[J].中國農(nóng)業(yè)資源與區(qū)劃，2011，32(2):58－62.Wang L G，Zheng G Q，Chen H L，et al.Monitoring the change of global winter wheat planting area in Henan Province based on HJ－ CCD image[J].Chinese Journal of Agricultural Resources and Regional Planning，2011，32(2):58－62.

[53]賈建華，劉良云，競 霞，等.基于多時相MODIS監(jiān)測冬小麥的種植面積[J].遙感信息，2005(6):49－51.Jia J H，Liu L Y，Jing X，et al.Monitoring planting area of winter wheat based on multi－ temporal MODIS images[J].Remote Sensing Information，2005(6):49－51.

[54]顧曉鶴，潘耀忠，何 馨，等.以地塊分類為核心的冬小麥種植面積遙感估算[J].遙感學報，2010(4):789－805.Gu X H，Pan Y Z，He X，et al.Measurement of sown area of winter wheat based on per－field classification and remote sensing imagery[J].Journal of Remote Sensing，2010(4):789－805.

[55]朱秀芳，賈 斌，潘耀忠，等.不同特征信息對TM尺度冬小麥面積測量精度影響研究[J].農(nóng)業(yè)工程學報，2007，23(9):122－129.Zhu X F，Jia B，Pan Y Z，et al.Effects of various feature information on the accuracy of winter wheat planting area measurement[J].Transactions of the Chinese Society of Agricultural Engineering，2007，23(9):122－129.

[56]張楠楠.黃河中下游引黃灌區(qū)作物種植結(jié)構(gòu)的遙感監(jiān)測方法研究[D].阜新:遼寧工程技術(shù)大學，2008.Zhang N N.Research of remote sensing monitoring for the crops planting structure in an irrigation district along the lower Yellow River[D].Fuxin:Liaoning Technical University，2008.

[57]齊 臘，趙春江，李存軍，等.基于多時相中巴資源衛(wèi)星影像的冬小麥分類精度[J].應(yīng)用生態(tài)學報，2008，19(10):2201－2208.Qi L，Zhao C J，Li C J，et al.Accuracy of winter wheat identification based on multi－ temporal CBERS－ 02 images[J].Chinese Journal of Applied Ecology，2008，19(10):2201－2208.

[58]何 浩，朱秀芳，潘耀忠，等.尺度變化對冬小麥種植面積遙感測量區(qū)域精度影響的研究[J].遙感學報，2008，12(1):168－175.He H，Zhu X F，Pan Y Z，et al.Study on scale issues in measurement of winter wheat plant area by remote sensing[J].Journal of Remote Sensing，2008，12(1):168－175.