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?zhǔn)鞘澜缰饕Z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(shí)了解冬小麥種植面積，對(duì)開展冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)和估產(chǎn)、區(qū)域糧食安全評(píng)估等工作具有重要的社會(huì)意義。同時(shí)，農(nóng)業(yè)管理部門及時(shí)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(cè)面積大、數(shù)據(jù)更新周期短、真實(shí)客觀等特點(diǎn)，是快速、準(zhǔn)確提取冬小麥種植面積的有效手段之一[1]，長(zhǎng)期以來也是眾多學(xué)者研究的熱點(diǎn)[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(shí)間分辨率以及微波等探測(cè)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(huì)進(jìn)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(jìn)展

在國際上，利用遙感技術(shù)的作物種植面積監(jiān)測(cè)始于美國，1974年實(shí)施的“大面積作物清查試驗(yàn)”(large area crop inventory experiment，LACIE)計(jì)劃對(duì)美國及世界其他地區(qū)小麥面積和總產(chǎn)量進(jìn)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(jì)劃對(duì)世界多種作物進(jìn)行了長(zhǎng)勢(shì)評(píng)估和產(chǎn)量預(yù)報(bào)，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(cè)(monitoring agriculture with remote sensing，MARS)項(xiàng)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(cè)研究[5－7]。

研究中最常用的遙感數(shù)據(jù)為L(zhǎng)andsat 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(dá)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(shí)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(duì)冬小麥面積進(jìn)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(dá)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(duì)西非的薩赫勒地區(qū)進(jìn)行作物監(jiān)測(cè)，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(dá)71%;并針對(duì)該研究區(qū)作物種植面積小、植被覆蓋度低等特點(diǎn)，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(jìn)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(duì)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(duì)5種作物信息進(jìn)行提取，精度達(dá)82%。

隨著微波遙感技術(shù)的發(fā)展，雷達(dá)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(dá)圖像和光學(xué)圖像，在柏林的中西部基于地塊數(shù)據(jù)進(jìn)行分層分類和嵌套分類，研究結(jié)果肯定了雷達(dá)圖像對(duì)作物的識(shí)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(jìn)行冬小麥估產(chǎn)始于1981年，一些學(xué)者近年來先后進(jìn)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(jì)算機(jī)自動(dòng)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(jì)算機(jī)自動(dòng)分類

計(jì)算機(jī)自動(dòng)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(zhǎng)過程中關(guān)鍵的分蘗期和抽穗期進(jìn)行非監(jiān)督分類，得到冬小麥的種植面積，精度達(dá)96%;并得出提取冬小麥種植面積的最佳時(shí)相和最佳波段組合。李寄等[18]利用非監(jiān)督分類方法對(duì)時(shí)間序列 MODIS NDVI圖像進(jìn)行植被指數(shù)的分級(jí)處理，得到全省的冬小麥種植面積分布百分比圖，精度達(dá)99.67%。非監(jiān)督分類法省時(shí)省力，對(duì)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(shí)和經(jīng)驗(yàn)干預(yù)。

2.1.2 監(jiān)督分類

張群等[19]對(duì)3個(gè)時(shí)相的Landsat TM數(shù)據(jù)進(jìn)行監(jiān)督分類，研究多年來冬小麥種植面積的變化趨勢(shì);韓素芹等[20]運(yùn)用監(jiān)督分類的最大似然法對(duì)MODIS圖像進(jìn)行分類，得到天津市冬小麥統(tǒng)計(jì)面積及分布圖，分類精度達(dá)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(shí)相選擇對(duì)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。基于像元的分類是傳統(tǒng)分類方法，分類過程中處理的最小單元是像元，通過對(duì)遙感圖像中各波段像元的光譜亮度值或反射率值進(jìn)行計(jì)算，設(shè)定閾值，得到分類結(jié)果;基于亞像元的分類則進(jìn)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(gè)像元內(nèi)各個(gè)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(dá)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(duì)呼倫貝爾地區(qū)農(nóng)業(yè)種植區(qū)的冬小麥進(jìn)行提取，精度達(dá)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(jī)二分法的分類后驗(yàn)概率空間變化向量分析法進(jìn)行冬小麥提取，精度達(dá)到預(yù)期目標(biāo)?；谙裨姆诸愂侵苯拥姆诸惙椒?，在冬小麥種植面積提取過程中，對(duì)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(duì)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(gè)像元內(nèi)會(huì)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]。混合像元分解法可以解決因混合像元?dú)w屬問題而產(chǎn)生的錯(cuò)分、誤分問題[28]。目前，國內(nèi)外學(xué)者常用的混合像元分解模型包括線性模型、幾何光學(xué)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(jiǎn)單、物理含義明確、操作運(yùn)算比較簡(jiǎn)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(gè)像元點(diǎn)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(shí)間分辨率的特點(diǎn)，采用混合像元分解方法可以彌補(bǔ)其空間分辨率的不足，而高時(shí)間分辨率在監(jiān)測(cè)冬小麥整個(gè)生長(zhǎng)周期內(nèi)光譜特征的變化具有優(yōu)勢(shì)，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(dá)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(yùn)城市冬小麥種植面積，精度達(dá)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(jì)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?qǐng)D像監(jiān)測(cè)得到的?；旌舷裨纸夥ㄖ卸嗽倪x擇是關(guān)鍵，不當(dāng)?shù)亩嗽x擇會(huì)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(shí)別結(jié)果的定量關(guān)系，進(jìn)行MODIS－NDVI時(shí)間序列下基于地塊的冬小麥種植面積測(cè)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(shí)序數(shù)據(jù)在冬小麥遙感識(shí)別中引起的誤差;朱長(zhǎng)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(dá)90%以上。利用基于GIS的地塊數(shù)據(jù)進(jìn)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(bǔ)直接進(jìn)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(gè)像元為基本單位進(jìn)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(diǎn)。面向?qū)ο蟮姆诸惙椒ㄊ腔谀繕?biāo)對(duì)象的分類方法，其基本原理是首先根據(jù)設(shè)定的閾值對(duì)圖像像元進(jìn)行合并和分割，形成目標(biāo)對(duì)象;進(jìn)而對(duì)其進(jìn)行分類，分類時(shí)不僅依靠地物的光譜特性，更多的是根據(jù)目標(biāo)對(duì)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(biāo)對(duì)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(shí)和多種輔助數(shù)據(jù)，更符合人們認(rèn)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(duì)象或基元，而后者是基于單個(gè)像元[33]。范磊等[5]應(yīng)用面向?qū)ο蠓椒ǎ瑢?duì)遙感圖像進(jìn)行多尺度分割，提取冬小麥種植面積及空間分布，精度達(dá)94.06%;李衛(wèi)國等[3]以江蘇省的3個(gè)城市為研究區(qū)，基于 Landsat TM數(shù)據(jù)、采用面向?qū)ο蠓诸惙▽?duì)冬小麥面積進(jìn)行提取，分類精度達(dá) 94.16%;王啟田等[33]采用 TM數(shù)據(jù)，通過易康(eCognition)軟件對(duì)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(tái)縣為研究區(qū)，基于ETM+數(shù)據(jù)，通過圖像分割和基于知識(shí)的面向?qū)ο蠓诸惙椒ㄌ崛⊙芯繀^(qū)冬小麥面積，精度達(dá)99.5%。用面向?qū)ο蠓诸惙ㄟM(jìn)行冬小麥種植面積提取時(shí)，將冬小麥歸為一個(gè)對(duì)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(jìn)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(shí)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(dá)到區(qū)分作物類別、監(jiān)測(cè)作物空間分布格局和提取作物種植面積的目標(biāo)[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(cè)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(píng)價(jià)植被生物量、生長(zhǎng)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(xué)者將2期或多期NDVI圖像做簡(jiǎn)單運(yùn)算(相減或相除)，通過設(shè)定適當(dāng)?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(xué)者在分析冬小麥生長(zhǎng)期內(nèi)物候特征的基礎(chǔ)上，根據(jù)幾個(gè)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(zhǎng)期內(nèi)幾個(gè)關(guān)鍵時(shí)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(duì)圖像的選擇要求較高，一般需要使用時(shí)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(yùn)算效率高等優(yōu)點(diǎn)[47]，大多以“二類判別”為基礎(chǔ)，通過分層、逐次比較，最后達(dá)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(jìn)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(gè)時(shí)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(dá)87.2%;張健康等[37]運(yùn)用多時(shí)相TM/ETM+數(shù)據(jù)和MODIS EVI數(shù)據(jù)，建立決策樹識(shí)別模型，對(duì)黑龍港地區(qū)冬小麥種植信息進(jìn)行提取，總體分類精度達(dá)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(gè)波段的差異，引入GIS數(shù)據(jù)或氣象數(shù)據(jù)等，進(jìn)行目標(biāo)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(duì)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(cè)冬小麥種植信息的同時(shí)，若再分析冬小麥與其生長(zhǎng)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(duì)研究區(qū)進(jìn)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(jìn)行細(xì)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(duì)地物光譜反射值的影響，借助DEM數(shù)據(jù)對(duì)研究區(qū)域進(jìn)行劃分，在分析研究區(qū)主要農(nóng)作物時(shí)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(jì)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(duì)冬小麥種植面積進(jìn)行估算，結(jié)果證明紋理信息的引入有助于進(jìn)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(duì)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(cè)和分析，識(shí)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(duì)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(xué)者還對(duì)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(jìn)行了研究，并提出實(shí)驗(yàn)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(duì)用遙感方法提取冬小麥的最佳時(shí)相進(jìn)行了探討;何浩等[58]用SPOT5數(shù)據(jù)進(jìn)行了尺度變化對(duì)農(nóng)作物測(cè)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(cè)量中的尺度效應(yīng)。在此基礎(chǔ)上，筆者認(rèn)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(gè)整體對(duì)象進(jìn)行監(jiān)測(cè)，但很多對(duì)耕地大范圍分布且為平原的地區(qū)監(jiān)測(cè)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(duì)后一種地區(qū)進(jìn)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(duì)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(shí)別出來，利用高分辨率遙感圖像是一個(gè)便捷而有效的辦法，但其可獲取性及時(shí)間分辨率仍是一個(gè)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(duì)研究區(qū)進(jìn)行劃分，各分區(qū)針對(duì)本區(qū)的特點(diǎn)采用不同的遙感模型進(jìn)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(zhǎng)環(huán)境的氣象條件，將GIS、氣象與遙感數(shù)據(jù)進(jìn)行有效整合，可以為冬小麥種植信息的提取提供一個(gè)新的思路。

3)多源、多時(shí)相遙感圖像的綜合應(yīng)用。綜合應(yīng)用多源、多時(shí)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(shí)間和空間分辨率，結(jié)合圖像的紋理特征信息對(duì)冬小麥種植面積進(jìn)行提取，是冬小麥種植信息遙感監(jiān)測(cè)的一個(gè)發(fā)展方向。

4)冬小麥及其周圍地物光譜測(cè)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(cè)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(duì)冬小麥種植信息進(jìn)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(cè)量需要一定人力物力，實(shí)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(shí)期及指定地區(qū)。

5)遙感監(jiān)測(cè)結(jié)果的驗(yàn)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(jì)數(shù)據(jù)進(jìn)行驗(yàn)證，而統(tǒng)計(jì)數(shù)據(jù)本身的精度并不能得到保證;并且統(tǒng)計(jì)數(shù)據(jù)只能驗(yàn)證面積估算總數(shù)，并不能對(duì)遙感監(jiān)測(cè)的冬小麥分布位置加以驗(yàn)證。建議在研究區(qū)選取典型樣區(qū)，對(duì)冬小麥的地面分布情況進(jìn)行測(cè)量(包括點(diǎn)和面的冬小麥分布測(cè)量)，并且保證一定的數(shù)量，這樣對(duì)冬小麥種植信息遙感監(jiān)測(cè)結(jié)果的驗(yàn)證會(huì)更加精確，在一定程度上也會(huì)相對(duì)地提高冬小麥的遙感提取精度。

4 結(jié)論

1)在對(duì)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(jì)算機(jī)自動(dòng)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(diǎn)，列舉了上述方法目前取得的成果，并對(duì)每一種方法進(jìn)行了評(píng)價(jià)，對(duì)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(duì)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(shí)相遙感圖像綜合應(yīng)用，冬小麥及其周圍地物光譜測(cè)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(cè)量冬小麥分布數(shù)據(jù)取代統(tǒng)計(jì)數(shù)據(jù)對(duì)遙感提取結(jié)果進(jìn)行驗(yàn)證，也會(huì)相對(duì)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(duì)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(cè)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(cè)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，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(cè)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(xué)報(bào)，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(zhǎng)勢(shì)監(jiān)測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，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(jì)劃簡(jiǎn)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(xué)報(bào)，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(jìn)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(shí)相遙感影像監(jiān)測(cè)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(xué)報(bào)，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(cè)冬小麥面積中的應(yīng)用[J].天津農(nóng)學(xué)院學(xué)報(bào)，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(shí).遙感應(yīng)用分析原理與方法[M].北京:科學(xué)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(qiáng)，靳 寧，等.單時(shí)相MERSI數(shù)據(jù)在冬小麥種植面積監(jiān)測(cè)中的應(yīng)用[J].中國農(nóng)學(xué)通報(bào)，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(xué)，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(jì)中的應(yīng)用——以北京冬小麥為例[J].城市勘測(cè)，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(jī)與分類后驗(yàn)概率空間變化向量分析法相結(jié)合的冬小麥種植面積測(cè)量方法[J].農(nóng)業(yè)工程學(xué)報(bào)，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(xué)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(jì)寧市冬小麥面積估算研究[D].南京:南京大學(xué)，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(jí)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(xué)，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(xué)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(xué)，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(cè)冬小麥種植面積[J].農(nóng)業(yè)工程學(xué)報(bào)，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(cè)冬小麥種植面積[J].農(nóng)業(yè)工程學(xué)報(bào)，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(zhǔn)及用航空影像對(duì)TM進(jìn)行作物估產(chǎn)方法的精度檢驗(yàn)[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(shí)間序列冬小麥種植面積測(cè)量研究[J].光譜學(xué)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(cè)繪科學(xué)，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(zhǎng)明，駱劍承，沈占鋒，等.基于地塊特征基元與多時(shí)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(xué)報(bào)，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(xué)報(bào)，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(shí)相遙感影像的作物種植信息提取[J].農(nóng)業(yè)工程學(xué)報(bào)，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(yuǎn)，吳 全，等.用NOAA圖像監(jiān)測(cè)冬小麥面積的方法研究[J].農(nóng)業(yè)工程學(xué)報(bào)，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(rùn)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(xué)，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(rùn)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(jìng) 霞，劉良云，張 超，等.利用多時(shí)相NDVI監(jiān)測(cè)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(zhǎng)勢(shì)監(jiān)測(cè)[J].江蘇農(nóng)業(yè)科學(xué)，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(shí)序NDVI特征值提取多作物播種面積的方法[J].資源科學(xué)，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(shí)序EOS/MODIS－NDVI監(jiān)測(cè)河南省冬小麥面積[J].安徽農(nóng)業(yè)科學(xué)，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(cè)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(shí)相遙感數(shù)據(jù)在冬小麥識(shí)別中的應(yīng)用研究[J].地理與地理信息科學(xué)，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(xué)學(xué)報(bào):自然科學(xué)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(cè)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(zhǎng)勢(shì)監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，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(jí)生產(chǎn)力的遙感監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，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(xué)報(bào)，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(cè)[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(jìng) 霞，等.基于多時(shí)相MODIS監(jiān)測(cè)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(xué)報(bào)，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(duì)TM尺度冬小麥面積測(cè)量精度影響研究[J].農(nóng)業(yè)工程學(xué)報(bào)，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(cè)方法研究[D].阜新:遼寧工程技術(shù)大學(xué)，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(shí)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(xué)報(bào)，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(duì)冬小麥種植面積遙感測(cè)量區(qū)域精度影響的研究[J].遙感學(xué)報(bào)，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.