張 莎，張佳華※，白 雲(yún) ，姚鳳梅

（1. 中國科學院遙感與數(shù)字地球研究所數(shù)字地球重點實驗室，北京 100094；2. 中國科學院大學地球與行星科學學院，北京 100049）

0 引 言

冬小麥是中國3大糧食作物之一[1-2]。獲取準確冬小麥種植面積對于糧食估產(chǎn)和保障國家糧食安全有重要意義[1]。黃淮海平原是中國最大的平原區(qū)，是重要的冬小麥生產(chǎn)基地[3]。因此，準確估計黃淮海地區(qū)冬小麥種植面積有重要的意義。

遙感作為一種地球觀測技術，在大范圍面積和資源監(jiān)測上有著比傳統(tǒng)手段更為明顯的優(yōu)勢[2]，已被廣泛地應用于作物面積提取[4-5]。前人在黃淮海區(qū)域冬小麥面積的遙感提取方面已開展了大量工作。研究表明，當利用中低分辨率影像提取中國北方冬小麥面積時，對綠度指數(shù)進行圖像分割就能取得較好的效果[6]。葛廣秀等[7]使用歸一化植被指數(shù) NDVI（normalized difference vegetation index）密度分割方法提取了江蘇省沭陽縣的冬小麥面積，精度達92.37%。根據(jù)不同省市冬小麥的物候特征，使用關鍵生育期時相的 NDVI影像并設置閾值構建各省或各市的冬小麥提取模型，都可以達到較好的精度。黃青等[8]根據(jù)江蘇省冬小麥物候特征，基于MODIS NDVI數(shù)據(jù)構建了適合于江蘇省的冬小麥提取模型，總體提取精度達78%以上；楊小喚等[9]根據(jù)冬小麥的生育期特點，使用關鍵時相的 NDVI影像并設置閾值提取了北京市包含冬小麥在內(nèi)的多種作物種植面積，總體精度達95%以上。Qiao等[10]也采用 NDVI閾值法較為準確地提取了河南省冬小麥種植面積。

可以看出，當研究區(qū)范圍小于或等于省級尺度時，研究者即便使用同一套閾值參數(shù)，即忽略冬小麥在區(qū)域間的物候差異，也可以較為準確地提取冬小麥面積；而當研究范圍緯度跨越較大時，如同一省份南北方向延伸較大或包含多個省份時，物候差異則不能忽略，研究者往往會選擇分省或分市進行閾值設置，以區(qū)分冬小麥在不同地區(qū)的的物候差異。陳健等[11]基于時序中分辨率成像光譜儀-增強型植被指數(shù)（MODIS-EVI，moderate resolution imaging spectroradiometer-enhanced vegetation index）數(shù)據(jù)提取河北?。?6°01′N—42°37′N）冬小麥種植面積時，就采用了分市設置閾值的方法。張佳華等[2]根據(jù)黃淮海各省冬小麥物候特征，采用EVI閾值模型，分別對研究區(qū)內(nèi)5個省市的冬小麥生育期共10個EVI閾值進行設置，最終得到黃淮海平原典型區(qū)的冬小麥種植面積，在省級尺度驗證整體精度可達 98%。當研究區(qū)包含較多省份時，這種方法無疑增加了工作量。還有學者根據(jù)緯度進行水平分帶[3]和傾斜分帶[12]以區(qū)分冬小麥在區(qū)域間的物候差異，根據(jù)各緯度帶冬小麥生育關鍵期不同而使用不同時相的影像，各緯度帶的提取模型使用相同的閾值。

采用植被指數(shù)閾值法，無論采用分區(qū)方案，還是根據(jù)緯度進行水平分帶或傾斜分帶方案，都無法避免對植被指數(shù)閾值進行確定。研究者通常依據(jù)作物在各區(qū)的物候特征根據(jù)經(jīng)驗值不斷調整來確定閾值，分區(qū)越小提取精度相應越高[8,13-14]。再者，不同區(qū)域之間，或同一區(qū)域不同年份之間，作物長勢有所差異則閾值也要相應調整。閾值的不確定性增加了冬小麥種植面積提取的不確定性。因此，找到一個避免閾值設置的提取特征十分有必要。潘學鵬等[15]利用MODIS數(shù)據(jù)，以基于復種指數(shù)的決策樹分類方法提取了黃淮海平原主體地區(qū)的冬小麥面積，京津冀地區(qū)長時間序列的市級尺度驗證結果 R2為0.885。王學等[16]利用MODIS數(shù)據(jù)和TM數(shù)據(jù)，根據(jù)小麥生育期內(nèi)波峰和波谷的特征構建提取模型，提取了黃淮海平原主體部分冬小麥種植面積。王云峰等[17]使用MODIS NDVI數(shù)據(jù)，根據(jù)冬小麥區(qū)別于同期作物的物候特征，即在收獲期植被指數(shù)突降（此階段其他作物均為生長季），采用兩景影像提取山西省運城市冬小麥面積，并取得了較為合理的結果。孫振蓉[18]也利用了類似的方法提取了京津冀地區(qū)的冬小麥種植面積。為了減小閾值設置給提取結果帶來的不確定性，同時在大區(qū)域范圍內(nèi)既能考慮物候差異又能快速提取冬小麥面積，本文將引入波形特征。

鑒于此，本研究以黃淮海平原為研究區(qū)，擬提出一種既能考慮區(qū)域間物候差異又具有普適性的提取方法。首先，采用基本氣候要素（氣溫、降水和輻射）模擬冬小麥的播種期和成熟期；然后，使用濾波后的MODIS EVI數(shù)據(jù)，利用差分法逐像元提取播種期至成熟期內(nèi)的 EVI峰值頻數(shù)；逐像元計算成熟期前后 EVI的下降速率；最后，利用統(tǒng)一的提取規(guī)則提取研究區(qū)內(nèi)冬小麥種植面積并用統(tǒng)計數(shù)據(jù)驗證。旨在為大區(qū)域范圍內(nèi)快速、準確地提取冬小麥種植面積提出一套既能滿足作物種植面積監(jiān)測精度需求又具有普適性、能在大范圍區(qū)域使用的提取模型，服務于國家冬小麥面積監(jiān)測的業(yè)務化運行。

1 材料與方法

1.1 研究區(qū)概況

本文研究區(qū)為黃淮海平原，位于中國東部地區(qū)（32°~42°N，113°~120°E），覆蓋北京市、天津市、河北省、河南省、山東省、山西省、湖北省、安徽省和江蘇省共計 9個省市。黃淮海平原是中國最大的平原區(qū)，也是中國冬小麥的主產(chǎn)區(qū)。該區(qū)范圍大，在區(qū)域范圍內(nèi)輻射和氣溫等氣候要素有明顯的區(qū)域變化，在植被上變現(xiàn)出明顯的物候差異。

1.2 數(shù)據(jù)來源與處理

1.2.1 MODIS EVI數(shù)據(jù)

所采用的MODIS EVI 數(shù)據(jù)為MOD13Q1的C6數(shù)據(jù)（https://search.earth data.nasa.gov/），空間分辨率為250 m。本文獲取從2009年第241天至2010年第209天每16 d合成一期的影像，共22期。這些影像涵蓋了研究區(qū)（h26v04，h26v05，h27v04，h27v05，h27v06，h28v05，h28v06）冬小麥的全部生育期。MODIS EVI數(shù)據(jù)有效值為-3 000～10 000，比例因子為0.000 1。為去除非植被像元干擾，本文提取EVI大于0的像元以進行下一步研究。

1.2.2 土地利用數(shù)據(jù)和旱地數(shù)據(jù)

中國2010年土地利用數(shù)據(jù)來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心(http://www.resdc.cn)，空間分辨率為1 km。將該數(shù)據(jù)重采樣為250 m，并用矢量圖裁剪，得到研究區(qū)土地利用（圖1）。除耕地按二級分類體系顯示外，其余土地利用類型均將編碼合并處理按一級分類體系顯示。本文提取了土地利用類型中的旱地（編碼為121，122，123和124，分別為山地旱地、丘陵旱地、平原旱地和大于 20°坡度旱地）。利用旱地提取結果對所提取冬小麥面積進行掩膜處理，以排除其他土地利用類型對冬小麥提取結果的影響。

1.2.3 農(nóng)業(yè)氣象站點數(shù)據(jù)

研究區(qū)內(nèi)農(nóng)業(yè)氣象站點數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/），使用了農(nóng)氣資料中的AGME_AB2_CHN_TEN數(shù)據(jù)集（中國農(nóng)作物生長發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集）。本文使用了140個冬小麥站點，其空間分布見圖1。所用農(nóng)業(yè)氣象站點數(shù)據(jù)包括各站點的經(jīng)緯度、作物類型、生育期名稱和生育期日期數(shù)據(jù)。所使用的生育期僅包括冬小麥播種期和成熟期，并將其日期轉換為日序 DOY（day of year）。

圖1 研究區(qū)土地利用及所用農(nóng)業(yè)氣象站點分布Fig.1 Land cover of study area and distribution of agro-meteorological sites in study area

1.2.4 氣象再分析資料數(shù)據(jù)

本文采用空間分辨率為0.125°的ERA-Interim日值數(shù)據(jù)集獲取氣象要素，包括氣溫、降水和輻射。ERA-Interim是歐洲中期數(shù)值預報中心提供的全球最新的大氣再分析產(chǎn)品，較之前的產(chǎn)品精度更高[19-20]，已被廣泛應用于氣候變化等研究[21-23]。ERA-Interim數(shù)據(jù)采用nc格式存儲，本研究利用IDL代碼將其讀取為img格式，并根據(jù)農(nóng)業(yè)氣象站點的位置提取其所在柵格的值作為站點的氣象要素值。

1.2.5 統(tǒng)計數(shù)據(jù)

冬小麥播種面積統(tǒng)計數(shù)據(jù)來源于各省市統(tǒng)計年鑒[24-30]。本文收集的市級統(tǒng)計數(shù)據(jù)包括北京市、天津市、河北省9個市（承德市和張家口市除外）、河南省 18個市、山東省17個市、山西省10個市（大同市除外）、湖北省16個市（襄陽市除外）和安徽省17個市共89個地級市的2010年和2015年冬小麥種植面積數(shù)據(jù)；縣級統(tǒng)計數(shù)據(jù)包括河北省113個縣、河南省10個縣、山西省77個縣和湖北省55個縣共255個縣的2010年冬小麥種植面積數(shù)據(jù)。

1.3 研究方法

提取冬小麥的流程如圖 2所示。首先，利用隨機分布的98個農(nóng)業(yè)氣象站的觀測播種期與成熟期數(shù)據(jù)和基本氣候要素（氣溫、降水和輻射），采用逐步回歸法，構建多元線性回歸模型模擬冬小麥播種期和成熟期，并利用其他42個站點驗證模擬結果；其次，對時序EVI數(shù)據(jù)進行 Savitzky-Golay（S-G）濾波；然后，根據(jù)模擬得到的播種期和成熟期，截取每個像元處于播種期至成熟期之間的EVI序列，計算截取后得到的EVI序列的峰值頻數(shù)；同時，逐像元獲取成熟期前后的EVI，計算每個像元成熟期前后EVI發(fā)生突變的情況（Slope）；最后，提取峰值頻數(shù)為2[15]和Slope小于-0.02[17-18]的像元，并與黃淮海平原旱地數(shù)據(jù)取交集，得到冬小麥的提取結果，同時利用統(tǒng)計數(shù)據(jù)對提取結果進行驗證。

圖2 冬小麥面積提取流程圖Fig.2 Flowchart of winter wheat area extraction

1.3.1 多元線性逐步回歸法

區(qū)域間不同的水熱組合條件是造成地區(qū)間物候差異的根本原因。本文采用多元線性逐步回歸法[31]擬合冬小麥播種期和成熟期日序DOY與氣溫、降水和輻射之間的關系。研究區(qū)內(nèi) 140個冬小麥農(nóng)業(yè)氣象站點，隨機選擇其中98個站點用于構建播種期和成熟期DOY與氣候要素的關系，并利用剩余42個站點（保證驗證站點數(shù)占總站點數(shù)的30%[32]）的生育期數(shù)據(jù)對擬合關系進行驗證。

1.3.2 S-G濾波

S-G濾波擬合算法是一種基于平滑時間序列數(shù)據(jù)和最小二乘原理的卷積算法[33-35]

式中為擬合EVI值；Yj+i為時間序列中的第(j+i)個EVI值； Ci為第i個EVI值濾波時的卷積系數(shù)；msg為濾波窗口大小的一半；Nsg為濾波器長度，等于滑動數(shù)組的寬度(2msg+1)。本文利用IDL（interactive data language）實現(xiàn)時間序列EVI影像的S-G濾波，計算卷積因子的函數(shù)為SAVGOL，采用試錯法最終設置參數(shù)為(2,2,0,2)，分別表示濾波核中心點左側的數(shù)據(jù)點個數(shù)、濾波核中心點右側的數(shù)據(jù)點個數(shù)、導數(shù)階數(shù)和平滑多項式的次數(shù)。

1.3.3 差分法

本文采用差分法[36-37]計算生育期內(nèi) EVI的峰值頻數(shù)（peak number，PN）。該方法是一種離散點求取極大值的方法，曾被應用于復種指數(shù)的提取[15,36]。差分法對小峰極為敏感，因此，計算峰值頻數(shù)之前需要對 EVI數(shù)據(jù)進行濾波以避免數(shù)據(jù)噪聲干擾。

1.3.4 光譜突變法

處于不同生長階段的冬小麥會呈現(xiàn)不同的光譜特征，也會有不同的光譜植被指數(shù)形態(tài)。由文獻[17]中的圖1和文獻[18]中的圖 5-1可以發(fā)現(xiàn)，冬小麥成熟收獲后NDVI比收獲前NDVI呈現(xiàn)明顯下降的特征。而這段時間內(nèi)其他植被仍處于生長期內(nèi)，NDVI不會明顯下降。故該特征使冬小麥明顯區(qū)別于其他作物[17]。冬小麥的EVI時間序列曲線也比較明顯地反映了其成熟期前后植被指數(shù)突降的特征[16,38-40]。本文采用EVI探測光譜突變的像元。利用冬小麥成熟期的前一期和后一期影像計算光譜突變斜率Slope（式（2）），判定Slope小于負0.02的像元為冬小麥[17-18]。

式中EVIm-16和EVIm+16分別為冬小麥成熟期前、后16 d的EVI值。

2 結果分析

2.1 生育期估算及其驗證

采用98個農(nóng)業(yè)氣象站點的氣象要素，利用多元線性逐步回歸方法，模擬各像元的播種期和成熟期DOY。播種期和成熟期DOY模擬結果分別為

式中Ys和Ym分別為擬合得到的播種期和成熟期DOY，X1為生長期內(nèi)降水（mm），X2為生長期內(nèi)氣溫之和（℃），X3為生長期內(nèi)總輻射（0.001 W/m2），N為樣本數(shù)（有效站點數(shù)）。

在研究區(qū)內(nèi)模擬冬小麥播種期和成熟期的結果見圖3。冬小麥表現(xiàn)出由北向南逐漸進入播種期（圖 3a）；而在第二年冬小麥則由南向北逐漸進入成熟期（圖3b）。同時可以看出，冬小麥由南向北或由北向南逐漸進入生育期的規(guī)律表現(xiàn)出一定的緯度地帶性，但并不嚴格與緯度走向一致，也不是與緯度之間有嚴格的角度關系。本文得到的冬小麥播種期和成熟期表現(xiàn)出來的緯向變化規(guī)律，與前人使用反距離權重法 IDW（inverse distance weighting）對站點生育期數(shù)據(jù)插值得到的冬小麥播種期空間分布[41]和多元逐步回歸方法獲取的冬小麥播種期和成熟期空間分布[31]基本是一致的。這也證明了本文使用的播種期和成熟期擬合方法及所得到的結果是可靠的。

分別提取剩余30%的站點（42個站）的播種期和成熟期模擬值，利用觀測值對其進行驗證（圖3c和3d）。驗證結果顯示，播種期和成熟期的R2分別為0.69和0.67；RMSE分別為6.12和4.88 d，均在一旬之內(nèi)；且播種期和成熟期的驗證結果都通過了顯著性檢驗（P<0.001）。由此可知，用氣象要素模擬得到的生育期是可靠的。

圖3 冬小麥2009年播種期和2010年成熟期模擬值及其驗證Fig.3 Simulated sowing date in 2009 and maturity date in 2010 for winter wheat and their validations

2.2 S-G濾波及峰值頻數(shù)和Slope計算結果

圖4 a為河北省藁城農(nóng)氣站所在像元EVI經(jīng)S-G濾波前后的曲線。可以看出，濾波前的數(shù)據(jù)有一些沒有明顯規(guī)律的小峰波動，而經(jīng) S-G濾波后的數(shù)據(jù)中處于越冬期的小波峰被平滑掉了，比較接近真實情況。S-G濾波后的EVI數(shù)據(jù)雖然小幅度地加強了波谷值，但是并不影響峰值頻數(shù)的統(tǒng)計。

圖4b和圖4c分別為EVI峰值頻數(shù)等于2和Slope小于負0.02的像元空間分布。從圖4b中可以看出，PN等于 2的像元分布很多，這是由于差分法對小峰極為敏感，即便計算PN前對EVI曲線進行S-G濾波，但一些小峰仍然能夠被探測到。圖4c顯示Slope小于負0.02的像元雖然也比較多，其主要分布在河北省中南部、河南省、山東省中西部、安徽省北部及江蘇省中北部，基本上為冬小麥的主要分布區(qū)?？梢跃C合利用這兩個特征提取冬小麥種植面積。

圖4 河北省藁城農(nóng)氣站濾波前后EVI曲線、峰值頻數(shù)為2和Slope小于-0.02的像元的空間分布Fig.4 EVI curves before and after S-G filter at Gaocheng station in Hebei province, spatial distribution of pixels with PN of 2 and that of pixels with slope value less than -0.02

2.3 冬小麥提取結果及驗證

2.3.1 冬小麥種植面積空間分布

將圖4b、圖4c與研究區(qū)旱地分布取交集，即可得到冬小麥種植面積，提取結果如圖 5所示?？梢钥闯?，冬小麥主要分布在河北省中南部、河南省、山東省中西部、安徽省北部和江蘇省北部；而在山東省東部、河北省北部和西部、北京、天津、山西省、湖北省以及安徽和江蘇南部種植面積較小。與以往學者的提取結果[2-3,12,15-16]在空間分布上也較為一致。

圖5 2010年冬小麥面積提取結果Fig.5 Extracted winter wheat area in 2010

2.3.2 驗證結果及參數(shù)影響分析

將不同濾波參數(shù)下冬小麥面積提取結果以省為統(tǒng)計單元進行匯總，并與統(tǒng)計年鑒數(shù)據(jù)[24-30]對比（表 1）。河南省和山東省冬小麥種植面積最大，其次是河北省和安徽省。這與統(tǒng)計年鑒數(shù)據(jù)也是相符的。利用統(tǒng)計值和遙感提取值，計算后者相對于前者的高估和低估情況[3]：（后者-前者）/前者，精度[3]計算方法為：100-|高估或低估|。結果顯示，除天津、山西、湖北和江蘇之外，其余省份提取結果精度均達到80%以上。與姜亞珍等[3]結果對比，共有省份中黃淮海平原冬小麥主產(chǎn)區(qū)如河北、河南、山東三省，本文的提取精度均有明顯提高。

在研究區(qū)內(nèi)，將冬小麥提取面積分別以市和縣為統(tǒng)計單位進行匯總，與統(tǒng)計年鑒數(shù)據(jù)[24-30]對比結果見圖6。在市級和縣級水平，冬小麥面積提取結果與統(tǒng)計數(shù)據(jù)的R2（RMSE）分別為 0.91（60.08×103hm2）和 0.80（8.97×103hm2）（P<0.001）。

在各省范圍內(nèi)，以市為統(tǒng)計單位匯總冬小麥提取面積，與統(tǒng)計年鑒數(shù)據(jù)[24-30]對比驗證，驗證結果的統(tǒng)計值見表 2?？梢钥闯觯M管山西各市的提取驗證結果 R2比較高，但遙感提取結果明顯低于統(tǒng)計值（a<1）；湖北各市的提取驗證結果R2低于0.5，且遙感提取結果也明顯低于統(tǒng)計值；其余省份中，河南各市的遙感提取驗證結果稍高于統(tǒng)計值（a>1），京津冀、山東和安徽各市的遙感提取值（a≈1），且R2均高于0.90。

表1 不同S-G濾波參數(shù)下各省冬小麥提取面積與統(tǒng)計數(shù)據(jù)對比Table 1 Comparison of extracted area and statistical data of winter wheat for each province with different filter parameters of S-G

圖6 2010年冬小麥面積遙感提取結果在市級水平和縣級水平與統(tǒng)計數(shù)據(jù)對比Fig.6 Comparison between extracted winter wheat areas in 2010 based on remote sensing and statistical winter wheat areas at city level and county level respectively

2.4 提取方法普適性分析

2.4.1 不同S-G濾波參數(shù)的提取結果

使用S-G濾波參數(shù)為(3,3,0,2)得到的冬小麥提取結果以省為單位匯總后與統(tǒng)計年鑒數(shù)據(jù)[24-30]對比（表 1）。相比于使用S-G濾波參數(shù)為(2,2,0,2)得到的結果，在估算精度較低的天津、山西、湖北和江蘇省中，雖然山西、湖北和江蘇的估算精度有不同程度的下降，但天津估算精度較半波窗口設置為2時有所提高，由63.18%提高到了90.90%。將半窗口設置為 3時得到的冬小麥提取結果與市級統(tǒng)計數(shù)據(jù)對比，R2為0.87，RMSE為77.07×103hm2。與 S-G 濾波參數(shù)為(2,2,0,2)得到的結果相比，R2下降，RMSE 上升了 16.99×103hm2。

表2 各省以市為單位驗證結果統(tǒng)計值Table 2 Statistical values of validation at city level for each province

可見 S-G濾波的半波窗口設置對提取結果有一定的影響，但影響不是很大。因此，本文使用的提取方法具有一定的普適性。

2.4.2 不同年份的提取結果

為了進一步證明本文所構建提取方法的普適性，使用該方法提取了2015年黃淮海平原3省2市（北京、天津、河北、河南、山東）冬小麥種植面積。因本文不側重冬小麥種植面積的時間變化，故不在此展示2015年提取結果的空間分布，僅對提取及驗證結果做文字說明。2015年冬小麥的空間分布特征與2010年基本保持一致。以市為統(tǒng)計單位（共計44個市，不包含承德市、張家口市、安陽市和新鄉(xiāng)市）匯總各市冬小麥面積與統(tǒng)計年鑒數(shù)據(jù)對比驗證，R2為0.84，RMSE為14.90×103hm2?？梢钥闯觯诓煌攴蓍g，該提取方法仍然適用，且可以達到較好的精度。由此，本文構建的提取方法具有一定的普適性。

3 討 論

提取結果中顯示，南方的省份如湖北和江蘇，還有山區(qū)分布的山西省，提取精度較低（表 1）。湖北和江蘇北部，由于地處黃淮海大平原的邊緣，相比于平原中部地區(qū)耕地較為破碎。從圖 1中也可以看出，湖北和山西是因為林地和旱地混雜分布，江蘇則是旱地和水田摻雜分布；而河北中南部、山東和河南的大部分地區(qū)，旱地多為大面積連續(xù)分布，耕地結構較為簡單，多為冬小麥-夏玉米輪作制度[15]。當利用250 m分辨率遙感數(shù)據(jù)提取冬小麥面積時，使用本文的提取模型，大面積連續(xù)分布的冬小麥可以比較準確地提取出來，而在耕地結構復雜、地塊破碎的地區(qū)則提取精度有限。這是因為，在像元混合程度較高的地區(qū)，冬小麥面積所占比例較小時極易被識別為其他地類，從而使冬小麥面積提取結果低于統(tǒng)計值，影響提取精度。

采用250 m分辨率遙感數(shù)據(jù)進行大區(qū)域冬小麥種植面積提取是可行的，但在種植結構復雜，耕地破碎的地區(qū)應該優(yōu)先采用更高分辨率的遙感數(shù)據(jù)或使用其他方法。

4 結 論

本文利用氣象再分析資料（氣溫、降水和輻射）、農(nóng)業(yè)氣象站生育期觀測數(shù)據(jù)和MODIS EVI數(shù)據(jù)，構建了一種既考慮區(qū)域間物候差異，又避免閾值設置的大范圍冬小麥快速提取方法。主要結論如下：

1）采用逐步進入法構建生育期-氣象要素的多元線性回歸模型，在像元尺度模擬冬小麥播種期和成熟期，并用站點數(shù)據(jù)進行了驗證。驗證結果表明，播種期和成熟期的R2分別為0.69和0.67；RMSE分別為6.12和4.88 d，均在一旬之內(nèi)；且播種期和成熟期的驗證結果都通過了顯著性檢驗（P<0.001）；播種期和成熟期的模擬結果是可靠的。

2）利用統(tǒng)計年鑒數(shù)據(jù)對提取結果的驗證表明，在市級和縣級尺度R2（RMSE）分別為0.91（60.08×103hm2）和 0.80（8.97×103hm2）。本文所使用的提取方法可以達到監(jiān)測區(qū)域冬小麥面積的業(yè)務需求精度。

3）山西、湖北和江蘇省的提取精度較低，使用250 m空間分辨率的影像導致面積小的冬小麥種植區(qū)不容易被提取出來。應該發(fā)展算法或選擇其他遙感數(shù)據(jù)源，以提高在南方和山區(qū)作物面積的提取精度。

4）本文構建的方法既考慮了大范圍內(nèi)冬小麥的物候差異，也避免了經(jīng)驗閾值的設置，更具有普適性，可用于在大范圍內(nèi)快速提取冬小麥面積。

[1] 吳炳方. 中國農(nóng)情遙感監(jiān)測研究[J]. 中國科學院院刊，2004，19(3)：202－205，241.Wu Bingfang. China crop watch system with remote sensing[J]. Bulletin of Chinese Academy of Sciences, 2004,19(3): 202－205, 241. (in Chinese with English abstract)

[2] 張佳華，胡小夏，劉學鋒，等. 基于 MODIS數(shù)據(jù)提取華北典型區(qū)冬小麥種植面積[J]. 中國科學院大學學報, 2013,30(5)：637－643.Zhang Jiahua, Hu Xiaoxia, Liu Xuefeng, et al. Extraction of winter wheat planting areas based on the time-series MODIS data in typical region of North China[J]. Journal of University of Chinese Academy of Sciences, 2013, 30(5):637－643. (in Chinese with English abstract)

[3] 姜亞珍，張瑜潔，孫琛，等. 基于 MODIS-EVI黃淮海平原冬小麥種植面積分帶提取[J]. 資源科學，2015，37(2)：417－424.Jiang Yazhen, Zhang Yujie, Sun Chen, et al. MODIS-EVI based winter wheat planting information extraction of zoning on Huanghuaihai Plain[J]. Resources Science, 2015, 37(2):417－424. (in Chinese with English abstract)

[4] Xu X M, Conrad C, Doktor D. Optimising phonological metrics extraction for different crop types in Germany using the moderate resolution imaging spectrometer (MODIS)[J].Remote Sensing, 2017, 9(3): 254.

[5] Atzberger C, Rembold F. Mapping the spatial distribution of winter crops at sub-pixel level using AVHRR NDVI time series and neural nets[J]. Remote Sensing, 2013, 5(3): 1335－1354.

[6] 吳炳方. 全國農(nóng)情監(jiān)測與估產(chǎn)的運行化遙感方法[J]. 地理學報，2000，55(1)：25－35.Wu Bingfang. Operational remote sensing methods for agriculture statistics[J]. Acta Gegraphica Sinica, 2000, 55(1):25－35. (in Chinese with English abstract)

[7] 葛廣秀，李衛(wèi)國，景元書. 基于NDVI密度分割的冬小麥種植面積提取[J]. 麥類作物學報，2014，34(7)：997－1002.Ge Guangxiu, Li Weiguo, Jing Yuanshu. Area of winter wheat extracted on NDVI density slicing[J]. Journal of Triticeae Crops, 2014, 34(7): 997－1002. (in Chinese with English abstract)

[8] 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.

[9] 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，2004，24(6)：17－22.Yang Xiaohuan, Zhang Xiangping, Jiang Dong. Extraction of multi-crop planting areas from MODIS data[J]. Resources Science, 2004, 26(6): 17－22. (in Chinese with English abstract)

[10] Qiao Hongbo, Zhang Hui, Cheng Dengfa. Application of EOS/MODIS-NDVI of different time sequences on monitoring winter wheat acreage in Henan Province[J]. Agricultural Science & Technology, 2008, 9(3): 124－126, 132.

[11] 陳健，劉云慧，宇振榮. 基于時序 MODIS-EVI數(shù)據(jù)的冬小麥種植信息提取[J]. 中國農(nóng)學通報，2011，27(1)：446－450.Chen Jian, Liu Yunhui, Yu Zhenrong. Planting information extraction of winter wheat based on the time-series MODIS-EVI[J]. Chinese Agricultural Science Bulletin, 2011,27(1): 446－450. (in Chinese with English abstract)

[12] 姜亞珍. MODIS監(jiān)測黃淮海平原冬小麥長勢與土壤濕度[D]. 北京：中國農(nóng)業(yè)科學院，2015.Jiang Yazhen. MODIS Based Monitoring of Winter Wheat Growth and Soil Moisture on HHH Plain–supporting for Effect Assessment of Dry-hot Wind[D]. Beijing: Chinese Academy of Agricultural Sciences, 2015. (in Chinese with English abstract)

[13] 張明偉，周清波，陳仲新，等. 基于物候模型的作物種植面積變化監(jiān)測方法[J]. 農(nóng)業(yè)工程學報，2006，22(10)：139－144.Zhang Mingwei, Zhou Qingbo, Chen Zhongxin, et al. Crop acreage change detection based on phenology model[J].Transaction of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(10): 139－144. (in Chinese with English abstract)

[14] 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 Qing, Li Dandan, Chen Zhongxin, 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.(in Chinese with English abstract)

[15] 潘學鵬，李改欣，劉峰貴，等. 華北平原冬小麥面積遙感提取及時空變化研究[J]. 中國生態(tài)農(nóng)業(yè)學報，2015，23(4)：497－505.Pan Xuepeng, Li Gaixin, Liu Fenggui, et al. Using remote sensing to determine spatio-temporal variations in winter wheat growing area in the North China Plain[J]. Chinese Journal of Eco-Agriculture, 2015, 23(4): 497－505. (in Chinese with English abstract)

[16] 王學，李秀彬，談明洪，等. 華北平原2001-2011年冬小麥播種面積變化遙感監(jiān)測[J]. 農(nóng)業(yè)工程學報，2015，31(8)：190－199.Wang Xue, Li Xiubin, Tan Minghong, et al. Remote sensing monitoring of changes in winter wheat area in North China Plain from 2001 to 2011[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(8): 190－199. (in Chinese with English abstract)

[17] 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 Yunfeng, Shen Runping, Tian Guozhen. Study on extracting winter wheat planting area based on MODIS data by spectral mutation[J]. Meteorology Journal of Inner Mongolia, 2009(6): 18－21. (in Chinese with English abstract)

[18] 孫振蓉. 京津冀地區(qū)冬小麥面積估算和旱情遙感監(jiān)測研究[D]. 北京：北京林業(yè)大學, 2015.Sun Zhenrong. Estimation of Winter Wheat Area and Drought Monitoring Research Based on Remote Sensing Data in Beijing-Tianjin-Hebei Region[D]. Beijing: Beijing Forestry University, 2015. (in Chinese with English abstract)

[19] 趙靜旸，宋淑麗，朱文耀. ERA-Interim應用于中國地區(qū)地基GPS/PWV計算的精度評估[J]. 武漢大學學報(信息科學版)，2014，39(8)：935－939，1008.Zhao Jingyang, Song Shuli, Zhu Wenyao. Accuracy assessment of applying ERA-Interim reanalysis data to calculate ground-based GPS/PWV over China[J]. Geomatics and Information Science of Wuhan University, 2014, 39(8):935－939, 1008. (in Chinese with English abstract)

[20] Dee D P, Uppala S M, Simmons A J, et al. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553－597.

[21] 李川，張廷軍，陳靜. 近40年青藏高原地區(qū)的氣候變化——NCEP和ECMWF地面氣溫及降水再分析和實測資料對比分析[J]. 高原氣象，2004，23(增刊1)：97－103.Li Chuan, Zhang Tingjun, Chen Jing. Climatic change of Qinghai-Xizang Plateau Region in recent 40 year reanalysis and surface observation data: contrast of observational data and NCEP, ECMWF surface air temperature and precipitation[J]. Plateau Meteorology, 2004, 23(Supp.1): 97－103. (in Chinese with English abstract)

[22] 韋芬芬，湯劍平，王淑瑜. 中國區(qū)域夏季再分析資料高空變量可信度的檢驗[J]. 地球物理學報，2015，58(2)：383－397.Wei Fenfen, Tang Jianping, Wang Shuyu. A reliability assessment of upper-level reanalysis datasets over China[J].Chinese Journal of Geophysics, 2015, 58(2): 383－397. (in Chinese with English abstract)

[23] 張婷，高慶九，孫玉婷. 不同時間尺度下中國東部夏季最高溫度觀測與再分析資料的比較[J]. 高原氣象，2017，36(2)：468－479.Zhang Ting, Gao Qingjiu, Sun Yunting. Comparison of reanalysis data and observation about summer maximum temperature on different time scales in Eastern China[J].Plateau Meteorology, 2017, 36(2): 468－479. (in Chinese with English abstract)

[24] 中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2011.

[25] 河北省統(tǒng)計局，河北省人民政府辦公廳. 河北農(nóng)村統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2011.

[26] 河南省統(tǒng)計局，國家統(tǒng)計局河南調查總隊. 河南統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2011.

[27] 山東省統(tǒng)計局. 山東統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2011.

[28] 山西省統(tǒng)計局，國家統(tǒng)計局山西調查總隊. 山西統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2011.

[29] 湖北省農(nóng)村統(tǒng)計年鑒編輯委員會. 湖北農(nóng)村統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2011.

[30] 安徽省統(tǒng)計局. 安徽統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2011.

[31] 楊建瑩，梅旭榮，劉勤，等. 氣候變化背景下華北地區(qū)冬小麥生育期的變化特征[J]. 植物生態(tài)學報，2011，35(6)：623－631.Yang Jianying, Mei Xurong, Liu Qin, et al. Variations of winter wheat growth stages under climate changes in northern China[J]. Chinese Journal of Plant Ecology, 2011,35(6): 623－631. (in Chinese with English abstract)

[32] 劉勁松，陳輝，楊彬云，等. 河北省年均降水量插值方法比較[J]. 生態(tài)學報，2009，29(7)：3493－3500.Liu Jinsong, Chen Hui, Yang Binyun, et al. Comparison of interpolation method on annual mean precipitation in Hebei Province[J]. Acta Ecologica Sinica, 2009, 29(7): 3493－3500.(in Chinese with English abstract)

[33] 黃耀歡，王建華，江東，等. 利用S-G濾波進行MODIS-EVI時間序列數(shù)據(jù)重構[J]. 武漢大學學報(信息科學版)，2009，34(12)：1440－1443，1513.Huang Yaohuan, Wang Jianhua, Jiang Dong, et al.Reconstruction of MODIS-EVI time-series data with S-G filter[J]. Geomatics and Information Science of Wuhan University, 2009, 34(12): 1440－1443, 1513. (in Chinese with English abstract)

[34] 邊金虎，李愛農(nóng)，宋孟強，等. MODIS植被指數(shù)時間序列Savitzky-Golay濾波算法重構[J]. 遙感學報，2010，14(4)：725－741.Bian Jinhu, Li Ainong, Song Mengqiang, et al.Reconstruction of NDVI time-series datasets of MODIS based on Savitaky-Golay filter[J]. Journal of Remote Sensing,2010, 14(4): 725－741. (in Chinese with English abstract)

[35] 王連喜，徐勝男，李琪，等. 基于決策樹和混合像元分解的江蘇省冬小麥種植面積提取[J]. 農(nóng)業(yè)工程學報，2016，32(5)：182－187.Wang Lianxi, Xu Shengnan, Li Qi, et al. Extraction of winter wheat planted area in Jiangsu province using decision tree and mixed-pixel methods[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CASE), 2016, 32(5): 182－187. (in Chinese with English abstract)

[36] 范錦龍，吳炳方. 復種指數(shù)遙感監(jiān)測方法[J]. 遙感學報，2004，8(6)：628－636.Fan Jinlong, Wu Bingfang. A methodology for retrieving cropping index from NDVI profile[J]. Journal of Remote Sensing, 2004, 8(6): 628－636. (in Chinese with English abstract)

[37] 范錦龍. 復種指數(shù)遙感監(jiān)測方法研究[D]. 北京：中國科學院研究生院(遙感應用研究所)，2003.Fan Jinlong. Study on Remote Sensing Methods for Monitoring Multiple Cropping Index[D]. Beijing: Institute of Remote Sensing Applications, Chinese Academy of Sciences,2003. (in Chinese with English abstract)

[38] 蘆杰，婁玉欽，姚麗. 基于MODIS EVI時序數(shù)據(jù)的冬小麥種植面積提取[J]. 湖北農(nóng)業(yè)科學，2014，53(19)：4727－4730.Lu Jie, Lou Yuqin, Yao Li. Extraction of winter wheat planting area based on data of MODIS EVI time-series[J].Hubei Agricultural Sciences, 2014, 53(19): 4727－4730. (in Chinese with English abstract)

[39] 潘耀忠，李樂，張錦水，等. 基于典型物候特征的MODIS-EVI時間序列數(shù)據(jù)農(nóng)作物種植面積提取方法——小區(qū)域冬小麥實驗研究[J]. 遙感學報，2011，15(3)：578－594.Pan Yaozhong, Li Le, Zhang Jinshui, et al. Crop area estimation based on MODIS-EVI time series according to distinct characteristics of key phenology phases: A case study of winter wheat area estimating in small-scale area[J]. Journal of Remote Sensing, 2011, 15(3): 578－594. (in Chinese with English abstract)

[40] 張霞，帥通，楊杭，等. 基于MODIS EVI圖像時間序列的冬小麥面積提取[J]. 農(nóng)業(yè)工程學報，2010，26(增刊1)：220－224.Zhang Xia, Shuai Tong, Yang Hang, et al. Winter wheat planting area extraction based on MODIS EVI image time series[J]. Transaction of the Chinese Society of Agricultural Engineering (Transactions of the CASE), 2010, 26(Supp.1):220－224. (in Chinese with English abstract)

[41] 王培娟，梁宏，謝東輝，等. 氣候變暖對華北冬小麥返青前熱量條件的影響[J]. 麥類作物學報，2014，34(1)：54－63.Wang Peijuan, Liang Hong, Xie Donghui, et al. Influence of climate warming on heat conditions before green-up stages for winter wheat in North China Plain[J]. Journal of Triticeae Crops, 2014, 34(1): 54－63. (in Chinese with English abstract)