第一章绪论
1.1选题依据
"民以食为天"。粮食是整个国民经济的基础。粮食问题始终是人们关注的热门问题之一。1949年以来，中国粮食生产取得了举世瞩目的成就，中国粮食生产能够较好的解决十几亿人的吃饭问题。在当今中国经济迅猛发展的大环境下，城镇化的发展以及人口的增加对粮食生产的需求也更加迫切。然而经济的发展带来的却是我国耕地面积锐减的趋势，严重制约了粮食生产水平。粮食生产与需求之间的矛盾日益突出。如何保障粮食生产的安全与质量是当前我国农业发展的首要任务[2]。小麦、玉米、水稻被称为我国三大农作物，小麦的种植面积略少于水稻，尤其在北方被广泛种植，在国家粮食战略中占有重要地位。小麦种植面积的增加和减少、大田表现的好坏以及产量和品质变化等重要农情信息一直被各级政府部门及社会各界关注。
因此，研究准确获得冬小麦面积和分布的方法具有很重要的现实意义。一方面快速、准确地获取小麦播种面积信息及其空间分布，不仅有利于提高现有农业生产用地的利用效率，而且对保障我国农业生产有序发展，农民创收，农村经济的稳步发展具有重要的现实意义[3]；另一方面获得冬小麦面积及分布信息是冬小麦估产的重要基础性工作之一，是冬小麦估产的前提和出发点，它的精度影响着冬小麦估产的精度。济宁市位于山东省西南部，地处黄淮海平原与鲁中南山地交接地带，境内气候属暖温带季风型大陆性气候，为农作物的生长提供了极为有利的条件。而且济宁市是农业大市，是山东省粮食主产区，曾创单产、总产、人均占有、人均贡献四个全省第一。冬小麦是济宁市最重要的粮食作物之一，在山东省粮食生产中占有十分重要的作用，及时准确掌握该地区冬小麦种植信息对于维护区域乃至山东省粮食安全具有重要的意义。由于冬小麦分布较为广泛，济宁市常用的冬小麦种植面积获取方法主要依赖传统的上报汇总或者传统目录抽样调査两种方式获得。常规的统计调査与监测方法在时效性、费用投入和精准度远远低于农业生产管理对其对其现势性信息的需求。再者现有的统计调査方法还存在着人为影响较大及缺少直观地冬小麦种植空间分布，在当今环境下已经完全不适应社会经济发展的需要。随着农业发展水平的提高，遥感技术成为监测农情，估算产量的新技术和方法。将遥感技术应用于冬小麦面积估算与空间分布中是当今农业发展的方向之一。
遥感技术应用到冬小麦面积信息的估算中具有很大的优势：首先，在于它的客观性，能够最大的排除人为因素的影响，反映数据的本来面目；其次，在于它的时效性，能够快速反映地表信息的变化，节约人力、物力、财力；最后，在于它的信息量大，遥感技术获得的是面信息，覆盖范围广，时空信息连续，便于反映大范围地物的时空变化。目前有多种遥感数据源被用来提取农作物信息并对面积进行估算，但其中还存在着诸多不足：首先，受卫星重访周期，作物物候和天气情况等的影响，通过遥感卫星获取实时的TM、 SPOT. ALOS等中高分辨率卫星数据是非常困难的，这也是目前利用遥感对冬小麦等农作物面积提取中面临的最为关键的技术问题。其次，在过去的研究中，大多数是以NOAH/AVHRR数据为遥感数据源，而且该数据其具有很高的时效性和高覆盖度，在地物类型识别中起到很大的作用。但是NOAH/AVHRR本身不是专门为土地覆被和植被提取设计的，其在农业遥感信息的提取中还存在着很大的局限性，精度不能完全满足业务化运行的需求。因此，充分发挥中分辨率成像光谱仪(MODIS)所具有的多光谱、多时相以及免费接收使用的优势，以及遥感技术快速直观的优点，实现山东省济宁市冬小麦面积估算，具有重大现实意义。
1.2国内外研究现状
农作物种植面积获取是在不同农作物具有不同光谱特征的基础上，通过遥感技术来提取地表信息，用以识别农作物的类型和估算种植面积[4]。长期以来，国内.外专家在农作物面积信息提取方面进行了不懈的努力和探索，提出了众多关于农作物种植面积提取的方法和模型，这些技术和模型在农业生产中得到了广泛的应用。目前常用的农作物种植面积提取方法主要有：监督和非监督分类、目视解译法、决策树分类法、混合像元分解方法等。
1.2.1目视解译法
目视解译是根据影像上地物的各种特征(如颜色、形状、纹理和空间位置)由人工直接观察或者借助辅助设备，经过综合分析、逻辑推理、验证检査把遥感影像包含的地物信息提取和解译出来的一种遥感分类方法。目视解译法大多应用在早期的基于遥感技术的粮食估产当中。例如，1983-1987年，王乃斌[5]以MSS影像和航片为基础数据，将目视解译方法应用到估算京津唐地区冬小麦产量的研究中。一般目视解译能够得到较高的分类精度，但该方法也有很多局限性，如要求解译人员要有较强的专业知识而且要进行大量的实地调查，需要耗费大量的人力物力，不适合大范围地区的图像分类[6]。
1.3 研究目标和研究内容 ....................18-19
1.3.1 研究目标 ....................18
1.3.2 研究内容 ....................18-19
1.4 研究思路和技术路线 ....................19-20
1.5 本文的组织结构 ....................20-22
第二章 研究区概况和数据处理 ....................22-31
2.1 研究区概况 ....................22-25
2.1.1 自然条件 ....................22-23
2.1.2 社会经济状况 ....................23
2.1.3 农业生产状况 ....................23-24
2.1.4 研究区冬小麦物候特征 ....................24-25
2.2 数据源 ....................25-28
2.2.1 遥感数据 ....................25-28
2.2.2 非遥感数据 ....................28
2.3 数据预处理 ....................28-31
第三章 基于决策树模型的冬小麦像元提取 ....................31-42
3.1 不同地物类型NDVI特征分析 ....................31-34
3.2 冬小麦像元提取的决策树模型 ....................34-36
3.3 提取结果与分析 ....................36-41
3.4 本章小结 ....................41-42
第四章 基于混合像元分解的冬小麦面积估算研究 ................42-60
4.1 冬小麦混合像元分解方法介绍 ....................42-49
4.2 研究区冬小麦混合像元分解结果 ....................49-52
4.3 精度评价 ....................52-56
4.4 2005与2010年济宁市冬小麦面积变化 ....................56-58
4.5 本章小结 ....................58-60
结论
本文以山东省济宁市为研究区，利用MODIS数据，采用决策树和混合像元分解相结合的方法对研究区冬小麦进行了提取，并估算了研究区冬小麦面积。得出以下结论
(1)利用冬小麦全生育期NDVI时序变化规律，寻找冬小麦区别于其它地物类型的关键时期，进而利用决策树方法提取出精度较高的冬小麦像元，这样可以减少其他地物类型对冬小麦提取的影响，提高后续工作的效率。而且决策树分类方法比一般分类方法具有更高的精度和更小的样本依赖性。非监督分类方法精度低，难以达到要求；监督分类方法则对样本的数量和质量有严格的要求，决策树分类方法不需要或只需要少量样本用于决策支持。
(2)混合像元分解方法可以进一步提高冬小麦估算的精度，但是在混合像元分解过程中，端元的选取和端元反射率的求取是混合像元分解成败的关键。本文在端元选取过程中，依照选取原则和研究区实地情况，选取了三种主要的地物类型；在端元反射率求取过程中，充分利用MODIS影像自身光谱信息，通过多次尝试后确定地物类型的反射率，从而大大较少了野外调査工作。
(3)决策树和混合像元分解相结合的方法在山东省济宁市的冬小麦面积估算中取得较好效果。在进行精度验证的时候，本文以TM影像监督分类后的小麦像元积聚分析结果作为评价标准，结果显示本文研究方法估算的山东省济宁市冬小麦面积的总量精度和像元精度分别为91.54%、 80.14%,而且发现大田区域冬小麦面积提取精度高于地表粗糙度比较复杂的区域。
参考文献
[I]张落成.中国粮食生产布局变化特点及其成因分析[J].长江流域资源与环境,2000,9(2):22卜228.
[2]国家粮食安全中长期规划纲要(2008-2020年),2008.
[3]陈述彭.小麦、玉米和水稻遥感估产技术试验研究文集序[M].北京:中国科学技术出版社,1993.
[4]唐华俊，吴文斌,杨鹏,周清波，陈仲新.农作物空间格局遥感监测研究进展[J].中国农业科学,2010,43(14):2879-2888.
[5]王乃斌.中国小麦遥感监测与估产[M].北京:中国科学出版社,1996.
[6]许文波，田亦陈.作物种植面积遥感提取方法的研究进展[J].云南农业大学学报2005,20(1):94-98.
[7]汤国安,张友顺，刘咏梅.遥感数字图像处理.北京:科学出版社，2004.
[8]林文鹏.基于MODIS波谱分析的作物信息提取研究[D].中国科学院遥感应用研究所,2006.
[9] Gallego F.J,Delince J. http://sblunwen.com/ygjslw Crop area estimates through remote sensing:stability of the regression[J].International Journal of Remote Sensing,1993,14(8):3433-3445.
[10]杨武德，宋艳暾,宋晓彦，等.基3S与实测相结合的冬小麦估产研究[J].农业工程学报，2009,25(2):131-13.