MODIS卫星NDVI时间序列变化在冬小麦面积估算中的应用分析
基于时间序列MODIS NDVI的冬小麦产量预测方法
基于时间序列MODIS NDVI的冬小麦产量预测方法黄健熙;罗倩;刘晓暄;张洁【摘要】选择我国河北、河南、山东3省作为研究区,在250 m空间分辨率的冬小麦种植区和1 km的冬小麦像元纯度图的基础上,分析了2000-2009年MODIS NDVI抽穗期峰值与单产的时间序列变化关系.采用Becker-Reshef等提出的去噪声修正后的冬小麦抽穗期NDVI峰值与单产进行回归分析建立冬小麦产量预测模型,并分析冬小麦预测精度的影响因素.最后,利用2010年地级市尺度的统计单产对所建立的预测模型进行精度验证,模型的平均估产误差约为7.49％.结果表明,基于冬小麦抽穗期NDVI峰值的产量预测方法在中国冬小麦主产区具有一定的应用潜力.【期刊名称】《农业机械学报》【年(卷),期】2016(047)002【总页数】7页(P295-301)【关键词】冬小麦;产量预测;时间序列;MODIS NDVI【作者】黄健熙;罗倩;刘晓暄;张洁【作者单位】中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;马里兰大学地理系,学院市20742【正文语种】中文【中图分类】S127冬小麦是中国的主要粮食作物之一，对冬小麦进行大区域长势监测和产量预测，对于及时、准确地掌握国家粮食生产状况并进行粮食宏观调控，以及在国际农产品贸易中争取主动权都具有重要意义。
目前，产量预测模型主要分为作物生长模型和经验回归模型。
作物生长模型结合遥感数据同化是当前作物产量预测的一种重要方法。
由于作物生长模型需要大量输入参数，特别是大区域范围的作物生长模型标定与校准困难，因此在大区域尺度运行产量估测业务系统存在一定局限性[1]。
经验回归模型是通过选取与产量相关的指示参数，例如遥感反演的植被指数和气象观测要素等实现估产。
这种方法要求较少的参数输入，方法容易实现，但是缺乏普适性。
MODIS与TM冬小麦种植面积遥感测量一致性研究_小区域实验研究_顾晓鹤
第11卷 第3期2007年5月遥 感 学 报J O U R N A LO F R E M O T ES E N S I N GV o l .11,N o .3M a y ,2007收稿日期:2006-02-12;修订日期:2006-08-21基金项目:教育部新世纪优秀人才支持计划。
作者简介:顾晓鹤(1979— ),男,2005年毕业于北京师范大学,获硕士学位。
现为北京师范大学资源学院博士生,主要从事农业遥感方面的研究工作,已发表论文6篇。
E -m a i l :g u x i a o h e @i r e s .c n 。
文章编号:1007-4619(2007)03-0350-09MO D I S 与T M 冬小麦种植面积遥感测量一致性研究———小区域实验研究顾晓鹤,潘耀忠,朱秀芳,张锦水,韩立建,王 双(北京师范大学环境演变与自然灾害教育部重点实验室,资源学院,北京 100875)摘 要: 针对大范围冬小麦种植面积遥感测量业务化运行中所存在的不同空间分辨率遥感影像的获取能力、空间分辨率与测量精度之间相互制约的现实问题,选择典型实验区,采取全覆盖的多时相低分辨率M O D I S 数据与中高分辨率T M 样区数据相结合的方法,以支持向量机(S V M )为主要技术手段,通过选取不同比例的T M 样本量,对M O D I S 进行混合像元分解,并对M O D I S 冬小麦测量结果与T M 测量结果进行一致性分析,进而提出了一套可用于大范围冬小麦种植面积遥感测量业务化推广的识别和精度检验方法。
研究结果表明:当T M 样本量大于5%时,相对于T M 识别结果而言,M O D I S 像元精度可以稳定在82%以上;当T M 样本量大于40%时,区域精度可以稳定在97%。
因此,从理论上讲,在实际业务化运行中,只要能够获得监测区40%的中高分辨率的影像,采用本研究提出的多尺度冬小麦种植面积测量方法,基本上可以满足业务化运行的精度要求。
基于MODIS-NDVI时间序列的河南省冬小麦种植信息提取与分析
取作物的目的． 本文以 ２ ５ ０ ｍ分辨率 的 Ｍ Ｏ Ｄ Ｉ Ｓ １ ３ Ｑ １ 数据为数 据源 ， 基于 Ｍ Ｏ Ｄ Ｉ Ｓ Ｎ Ｄ Ｖ Ｉ 构建时间序列谱 ， 结合 冬
收 稿 日期 ： ２ ０ １ ６ — ０ ９ — ０ ７
２ ． ２ 数 据简 介
阶段 的 Ｎ Ｄ Ｖ Ｉ 值 变化 比较 大 ； 从 １ ２月下旬 到 来年 ２ 月下旬 ， 由 于温 度 低 和 霜雪 影 响 ， 冬 小 麦逐 渐 停 止
大省 ． 农作物种植结构 比较稳定 ， 主要为冬小麦一 夏玉米一冬小麦 的两熟模式． 河南省的冬小麦主要 种植期是 ９ 月至 １ ０ 月份 ，第二年 ３ 月上中旬为返 青期 ， ５月中上旬 为抽穗期 ， ６ 月上 中旬 为收获期 ． 冬小麦完整物候期为出苗、 分蘖 、 越冬、 返青 、 起身 、 拔节 、 孕穗 、 扬花、 灌浆和成熟期．
生 长 ，进 入 冬 眠期 ，在 ２月 底 ，由 于下 雪 的原 因
中分 辨率成像 光谱 仪 Ｍ Ｏ Ｄ Ｉ Ｓ是搭 载在 ｔ ｅ ｒ ｒ ａ 和ａ ｑ ｕ ａ 卫星上 的一个重要 的传感器 ，是唯一将实 时观测数据向全世界直接广播， 并 能免费接收数据
并 无偿 使 用 的 星载 仪器 ．本 文 研 究所 用 的是 ｌ ６天
息， 结合 坡 度 数据 和 各 市数 据 。 分析 了 不 同坡 度 级 和各 县 市 的冬 小麦 种植 面积 比例 图． 为 监 测冬 小麦 面积
的 时空分 布提供 了参考 ． 【 １ １ 关键词 ： ＭＯＤＩ Ｓ — ＮＤＶ Ｉ ； 冬 小麦 ； 时 间序 列 ； 决 策树
中图分 类 号 ： Ｔ Ｐ ７ ５
２ 研 究 区概况 与数 据
植被指数能够反映一定时期植被的生长状况 ， 因此 时间序列的植被指数能够更好地反映植被在
利用MODIS遥感数据监测冬小麦种植面积
利用MODIS遥感数据监测冬小麦种植面积许文波;张国平;范锦龙;钱永兰【期刊名称】《农业工程学报》【年(卷),期】2007(23)12【摘要】冬小麦是中国最主要的粮食作物之一,利用遥感技术进行冬小麦种植面积监测是粮食安全的核心内容之一.美国1999年发射的TERRA卫星上携带的中分辨率成像光谱仪(MODIS)具有独特的光谱、时相和空间分辨率,为大范围的冬小麦种植面积监测提供了可靠的数据源.但中国耕地破碎,即使是250 m分辨率的MODIS 数据,采用传统的信息提取方法依然无法取得高的精度.因此结合多源遥感数据和GIS数据,建立了基于TERRA/MODIS数据的冬小麦种植面积遥感监测体系结构.首先利用IKONOS米级高分辨率遥感影像提取试验样区的地块图,用以指导野外采样工作;其次,在采样工作基础上,利用LANDSAT进行区域冬小麦种植面积提取;最后利用2002年TERRA/MODIS时间序列数据的混合像元线性分解模型进行河南省冬小麦种植面积的遥感监测,监测结果与国家统计数据相比,相对误差为5.25%,精度能满足农情监测的需要.研究结果为中国冬小麦种植面积遥感监测提供了一种业务化工作方法.【总页数】7页(P144-149,插一)【作者】许文波;张国平;范锦龙;钱永兰【作者单位】电子科技大学地表空间信息技术研究所,成都,610054;中国气象局国家气象中心,北京,100081;中国气象局国家卫星气象中心,北京,100081;中国气象局国家气象中心,北京,100081【正文语种】中文【中图分类】S127;S165+.27【相关文献】1.基于MODIS的河南省冬小麦种植面积遥感估算最佳时相选择研究 [J], 郭其乐;陈怀亮;邹春辉;刘忠阳;李军玲2.MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究 [J], 顾晓鹤;潘耀忠;朱秀芳;张锦水;韩立建;王双3.利用MODIS数据监测河北省冬小麦种植信息 [J], 王云秀; 张文宗; 姚树然; 康锡言4.基于种植制度利用MODIS数据提取冬小麦种植面积 [J], 隋学艳;朱振林;李少昆;明博;张晓冬;孙肖青5.在GIS支持下利用MODIS数据监测多种作物和果树种植面积 [J], 康凌艳;雷玉平;郑力;舒云巧;张群;孙世卫因版权原因，仅展示原文概要，查看原文内容请购买。
地块支持下MODIS-NDVI时间序列冬小麦种植面积测量研究
地 区可实现全覆盖数据保 障，具有很好 的时 间序列特 征 ， 在
探 测 植 物 季 相 节 律 进 行 作 物 估 产 与 动 态 监 测 上 得 到很 好 的应
用 ， 因受到空 间分辨率 的限制 ， 却 其测 量结果 的可靠性 受到 较大质疑。因此 ，大量研究 工作［ ４ 明， 挥基 于多尺度传 表 发 感器数据优 势 ， 使用 中高分辨率与低分辨率 数据相结 合的测
种 植 面 积 ，证 明 在种 植结 构 破 碎 的 区域 ，由 于 混 合 像 元 的 存
的保障问题 一直是 制 约农作 物种 植 面积测 量精 度 的主要 因 素。单从数据源角度考虑 ，中高分辨率遥感 数据 面积测 量精 度较高，但受 到卫 星重 访 周 期、作 物物 候 和天 气 等 因素 影
上 得 到 很好 的 应 用 ， 因受 到 空 间分 辨 率 的 限制 ， 测 量 结 果 的 可 靠 性 受 到 较 大 质 疑 。 块 数 据 具 有 明确 的 但 其 地
位置特征和明显的边界信 息 ， 在一定程度上 降低 了光谱差 异和混 合像元 的复杂 程度 ，在遥感 影像上具有 很
强 的相 似光 谱 特 征 ， 像 元 识 别 更 有 优 势 。以北 京 市通 州 为 试验 区 ， 分 结 合 冬 小 麦 生 长 季 特 征 ， 次 尝 试 较 充 首
ＭＯ Ｉ－ ＶＩ Ｄ ＳＮＤ 空间地块化 ， 建立其 与中分 辨率 Ｔ 耕地地块识别结果 的定 量关 系 ， Ｍ 进行地块 支持下 的 ＭＯ — Ｄ ＳＮ Ｉ ＤＶＩ ￣ 时间序列冬小麦种植面积测量 。 研究结 果表 明 ，当样 本量达 到 １ 以上时 ，ＭＯ Ｓ和 ＴＭ 提 取 ５ ＤＩ 结果 区域精度一致性稳定达到 ９ 以上。该方法证 明， ６ 地块数据 可有效 改善 ＭＯ ＳＮＤ 时序数据遥感识 ＤＩ－ ＶＩ 别 中，因空 间分 辨率低 引起 的误差 。 实现有碎 云影 响和无全覆盖 中分辨影像 时，利用部分 中分辨影像样本结
MODIS卫星NDVI时间序列变化在冬小麦面积估算中的应用分析
关键 词 ： Ｏ ／ Ｄ Ｓ 冬 小 麦 ； Ｅ Ｓ ＭＯ Ｉ ； 归一 化植 被 指 数 ； 地覆 盖 ； 植 面 积 土 种
中 图分 类 号 ： １７ Ｓ２ 文 献 标 识码 ： Ａ 文章 编 号 ：６ ３— １８ ２ １ ） ３— ０ ６— ４ １７ ７４ （０ １０ ０ ４ ０
李红梅 ，张树誉 ， 王 钊
（ 陕西 省农 业 遥 感 信息 中心 ， 安 ７０ １ ） 西 １０４
摘 要 ：以陕 西 小 麦主 产 区关 中地 区为 研 究地 点 ， Ｏ ／ Ｄ Ｓ卫 星数 据 为 主 要 数 据 源 ， 助 冬 小 麦 地 面定 位 调 Ｅ Ｓ ＭＯ １ 借 查 数据 和 土 地覆 盖类 型 图作 为辅 助 信 息 ， 算得 到 不 同覆 盖 类 型 的植 被 指 数 时 序 曲线 图 ， 出冬 小 麦 发 育 期 植 被 指 计 找 数 变化 规 律 ， 除 小 麦 生长 季 节 的 非麦 区信 息 ， 几个 关 键 期 的植 被 指 数 变化 差 值 图设 定 不 同 闯值 ， 用 ＧＳ空 间分 剔 用 利 Ｉ 析 功 能得 到 麦 区分 布 图和 麦 区 面积 。 结果 表 明 ， 用 遥 感估 算麦 区面 积 与 实 际 调查 统 计 结果 较 为 一 致 。从 实 际 应用 应 来 看 ， 方法 为 大 区域作 物面 积 估 算提 供 了一种 更 为快 捷 、 济 的途 径 ， 进 一 步说 明 ＭＯ Ｉ 据 在 农 业领 域 中的 应 该 经 也 Ｄ Ｓ数
面 积和作 物估 产方 面 也 已经 取 得 了 可喜 的进 步 ， 收
收 稿 日期 ：０ １— ６— ７ 修 订 日期 ：０ １ ７—１ ２１ ０ １ ； ２ １ —０ ９
的光谱 分辨 率 ， 到 了 ３ 达 ６个 波段 和更 高 的时间 分辨 率 ， 以提供 不 同时 相 的遥 感 影 像 和 植 被指 数 时 间 可 序列 变化数 据 ， 于 植 被 与农 作 物 的 区分 及遥 感 判 利
基于时间序列MODIS-NDVI的冬小麦遥感识别
基于时间序列MODIS-NDVI的冬小麦遥感识别刘剑锋;贾玉秋;张喜旺【摘要】In this paper, TM image covering the study area is used to update land use data, from which we can identify where winter wheat may be planted. Then a mask is created, which can reduce interference of other vegetation. Based on the selected samples of winter wheat, NDVI time series of the pure winter wheat pixels are extracted from NDVI products. Then an winter wheat identification model is constructed according to the NDVI curve features. Within the limited range, winter wheat will be identified based on the recognition model, and then the two-scale data are processed in a comprehensive way. Statistical yearbook data and random sampling are used to analyze the accuracy. The results show that the winter wheat acreage is 268.65×103 hm2 in the study area, Acreage accuracy is 91.56% and location accuracy is 87.46%. Compared with field surveys and artificial interpretation, it greatly improves the work efficiency and reduces the workload. Due to the low spatial resolution of MODIS, this method is suitable for crop type identification at regional scale in a large area.%利用TM影像更新研究区的土地利用数据,提取冬小麦可能出现的区域作为掩膜限定识别范围,从而可以减少其他植被类型信息的干扰;通过选取冬小麦样点,在时间序列NDVI数据中提取纯冬小麦的时序曲线,根据曲线特征构建时相识别模型;在限定的范围内根据识别模型提取冬小麦,进而将两个尺度数据进行综合处理和面积统计,冬小麦面积为268.65×103 hm2;利用统计年鉴数据和随机抽样两种方法进行精度分析,结果显示面积精度为91.56%,位置精度为87.46%.与实地调查和人工解译相比,大大提供了工作效率,减少了工作量,适用于大面积区域尺度的冬小麦监测.【期刊名称】《湖北农业科学》【年(卷),期】2017(056)008【总页数】4页(P1560-1563)【关键词】多时相;NDVI;土地利用类型;冬小麦识别【作者】刘剑锋;贾玉秋;张喜旺【作者单位】黄河水利职业技术学院,河南开封 475004;黄河中下游数字地理技术教育部重点实验室,河南开封 475004;黄河中下游数字地理技术教育部重点实验室,河南开封 475004【正文语种】中文【中图分类】TP79遥感技术在实现大面积作物长势监测、遥感估产、病虫害防治等农业生产过程中发挥了很大作用，是促进农业信息化发展的手段之一。
遥感在面积长势监测和产量预报中的应用
0.000179～ 0.085496
0.143924～ 0.4436532 0.413829～ 1.05824
0.1279Biblioteka 9～ 0.5456560.0005173～ 0.10531 0.255344～ 0.95027
0.428680～ 1.068877
0.396809～ 0.9950727 0.0001888～ 0.24060
2009、2010年河南省各市冬小麦长势(NDVI)对比图 0.7 0.6 0.5 2009年3月下 2010年3月下
平均NDVI
0.4 0.3 0.2 0.1 0
阳
壁
阳
乡
作
阳
州
封
昌
河
丘
口
阳
阳
源 济
峡
山
安
鹤
濮
新
焦
洛
郑
开
许
漯
商
周
店
南
信
门
顶
三
平
驻
马
全
省
四、长势监测
2010年5月全省冬小麦平均植被指数为0.5804， 比去年同期（0.5577）增加0.0227，表明今年冬 小麦长势总体略好于去年同期。其中除三门峡外， 各市冬小麦长势均好于去年同期。
三、面积监测
农作物（冬小麦）样本NDVI变化特征
冬小麦采样点NDVI变化趋势图 冬小麦采样点NDVI变化趋势图 0.9 0.9 0.8 0.8 0.7 0.7 0.6 0.6 0.5
0.5 0.4 0.4 0.3 0.3 0.2 0.2 0.1 0.1 0 0
200810a 200910a 200812b 200912b 200903b 201003b 200905a 201005a
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第34卷第3期气象与环境科学Vol．34No．32011年8月Meteorological and Environmental SciencesAug．2011收稿日期：2011－06－17；修订日期：2011－07－19基金项目：陕西省气象局研究型业务重点科研项目（2007Z-8）资助作者简介：李红梅（1984－），女，河南商丘人，工程师，学士，从事遥感干旱监测与遥感环境监测应用研究．E-mail ：lee8003@163．com MODIS 卫星NDVI 时间序列变化在冬小麦面积估算中的应用分析李红梅，张树誉，王钊（陕西省农业遥感信息中心，西安710014）摘要：以陕西小麦主产区关中地区为研究地点，EOS /MODIS 卫星数据为主要数据源，借助冬小麦地面定位调查数据和土地覆盖类型图作为辅助信息，计算得到不同覆盖类型的植被指数时序曲线图，找出冬小麦发育期植被指数变化规律，剔除小麦生长季节的非麦区信息，用几个关键期的植被指数变化差值图设定不同阈值，利用GIS 空间分析功能得到麦区分布图和麦区面积。
结果表明，应用遥感估算麦区面积与实际调查统计结果较为一致。
从实际应用来看，该方法为大区域作物面积估算提供了一种更为快捷、经济的途径，也进一步说明MODIS 数据在农业领域中的应用潜力。
关键词：EOS /MODIS ；冬小麦；归一化植被指数；土地覆盖；种植面积中图分类号：S127文献标识码：A文章编号：1673－7148（2011）03－0046－04引言随着遥感技术的发展，其应用领域也在不断扩大，农业已经成为遥感技术应用的一个重要领域。
长期以来，我国农作物种植面积都是依靠人工方法，通过抽样调查和逐级汇总方式获取数据，这种方法不仅花费大量的人力、物力，而且受各种主客观因素的影响，精度受到很大限制。
遥感技术的快速发展，为农作物种植面积快速、准确、动态监测提供了新的技术手段［1－2］。
农作物种植面积遥感估算是农作物估产的重要基础性工作之一，是农作物遥感估产的前提和出发点［3］，它的精度影响着农作物估产的精度［4］。
20世纪70年代，美国农业部、国家海洋和大气管理局（NOAA ）曾利用陆地卫星，结合高空和低空遥感以及地面观测等同步观测，进行了一系列大面积作物清查试验（简称LACIE ）。
随后，其他国家也积极利用遥感技术，进行了耕地资源调查及作物估产等方面的理论、方法和业务化运行研究［5］。
近20a 来，我国在利用卫星遥感技术监测农作物种植面积和作物估产方面也已经取得了可喜的进步，收到了较好的社会经济效益。
但在我国目前的土地使用制度下，田块分布比较破碎，作物类别多样，且由于遥感信息中大量存在的“同物异谱”、“同谱异物”现象，即使选用较高空间分辨率遥感数据（如Land-sat /TM 数据），仍然不能精确识别不同的作物类型［6］。
本文以陕西省关中地区为例，利用多时相的EOS /MODIS 卫星数据（MODIS 数据），结合地面定位调查数据和高分辨率的Landsat /TM 数据解译的土地覆盖类型图，来提取冬小麦的播种区域，并对播种面积进行估算分析，为今后农作物面积估算提供一个新的参考途径和方法。
EOS /MODIS 卫星的发射为农业遥感提供了一个新的信息源。
该数据具有成像面积大而利于获取宏观同步信息，且资料来源均匀、连续、实时性强，成本低，不受地域条件限制的特点。
同时，改进了AVHRR 数据的空间分辨率，将其最大分辨率提高到250m ，比SPOT 、Landsat /TM 和AVHRR 有更高的光谱分辨率，达到了36个波段和更高的时间分辨率，可以提供不同时相的遥感影像和植被指数时间序列变化数据，利于植被与农作物的区分及遥感判DOI:10.16765/ki.1673-7148.2011.03.003第3期李红梅等：MODIS卫星NDVI时间序列变化在冬小麦面积估算中的应用分析读，还可及时获取作物长势动态变化信息。
1资料和方法1．1研究区域概况关中地区地处秦岭北麓渭河冲积平原，总面积55500km2，平均海拔约500m，包括西安、铜川、宝鸡、咸阳、渭南5个省辖地级市。
该区属典型的大陆性季风气候，冬季严寒多西北风，夏季炎热多东南风，春秋气候温和多东风，年均气温和降雨分别为12 14ħ和600 750mm，是陕西省主要的农业生产基地，主要栽培小麦、玉米和棉花。
1．2资料来源依据关中地区冬小麦生育期分布时段，研究所选数据为2006年2－10月共9个月的晴空影像，空间分辨率为250m。
结合TM影像解译得到的土地覆盖类型图来区分不同植被类型和冬小麦。
冬小麦地面调查数据时段在2006年4月9日－6月17日。
调查区域在关中地区，调查路线为关中环线，内容包括样点名称、通过GPS获取的样点实测坐标、作物类型、生长状况、长势评价及其拍摄的样点图片信息等，以此作为研究的样本数据和检验数据。
1．3技术方法1．3．1MODIS数据选取和植被指数计算由于MODIS数据覆盖范围比较大，单个时相的数据会因受云雾的影响而出现异常情况，因此对MODIS数据先进行筛选，通过获取的快视图选取2006年2－10月的MODIS晴空数据，然后再进行植被指数计算。
在遥感图像上，植被信息通过绿色植物叶子光谱特征的差异及动态变化来反映。
植被指数是由多光谱数据经线性和非线性组合构成的对植被有一定指示意义的各种数值，通常利用植物光谱中的近红外与可见光红光两个最典型的波段值来估算植被指数，目的是为了增强植被信号，同时减少太阳辐照度和土壤背景的影响［7－9］。
标准化差值植被指数（NDVI）是反映地表植被特征的遥感参数，反映了地表植被空间分布密度。
MO-DIS的第一波段（0．62－0．67μm）、第二波段（0．841－0．876μm）分别是红色和近红外波段。
利用这两个波段可以计算归一化植被指数，最后得到15张NDVI时间序列植被指数图像。
NDVI计算公式如下：NDVI=XIR－XR XIR+XR式中，X IR为近红外波段的反射值，X R为红光波段的反射值。
1．3．2不同覆盖类型的植被指数变化规律及冬小麦提取原理结合样点调查数据对Landsat/TM图像解译的土地覆盖类型图进行分析发现，由于光谱信息中存在的“同物异谱”或“同谱异物”，研究区内冬小麦区容易与花木、草地以及果园等某些光谱信息混淆。
根据地面调查数据和土地覆盖类型图，结合实测GPS定位坐标，在由MODIS图像所获取的15张植被指数图上选择不同类型的典型地块，做出时间序列图像的植被指数曲线（见图1）。
图1横轴为时间序列，从2006年2月20日开始到10月26日，其中冬小麦区的植被指数数据提取是从2月20日开始，其余类型的植被指数信息是从4月1日开始；纵轴为NDVI值。
从图1可以清楚地看出，冬小麦的生长时间序列NDVI曲线呈明显的双峰型。
关中地区10月上旬冬小麦开始播种，10月中下旬出苗。
随着冬小麦的出苗生长，NDVI开始上升，到2月中下旬冬小麦开始返青，NDVI逐步升高，4月开始拔节，5月初开始抽穗，NDVI达到峰值，冬小麦从抽穗、灌浆到乳熟，一直到6月上旬冬小麦成熟，NDVI值是逐渐下降的。
6月中旬小麦基本收获完毕，开始播种玉米，NDVI降至最低。
6月中下旬玉米出苗，NDVI又逐渐升高，7月下旬玉米拔节至8月底乳熟，NDVI又出现一个峰值，然后又急剧下降，直到10月中旬小麦出苗NDVI又开始上升。
其余几种类型DNVI曲线大致呈单峰分布规律，只是峰值出现的时间略有差异，乔木和果园的NDVI 到9月份还依然保持较高数值，10月植被指数缓慢下降。
城区绿地的植被指数受多种因素影响，动态变化不明显。
图1不同植被类型NDVI时间序列变化曲线根据以上分析，利用MODIS影像上的几个关键生长期的NDVI值的变化规律，可以提取出冬小麦信息。
提取的原理为：植被的光谱特征曲线具有相似性，不同类型植被的光谱特征曲线会发生重叠或74气象与环境科学第34卷交叉，也就是会发生所谓的“同谱异物”现象，仅依据单一时相的Landsat /TM 图像很难精确识别出不同的作物类型。
但是，各种作物的生长都有各自的物候期，如播种、出苗、成熟、收获等，同一种作物在同一个地区具有相对稳定的生长发育规律。
因此，不同作物物候历的种间差异可作为作物类型识别的重要依据［10］。
在研究中，以Landsat /TM 进行作物识别为基础，初步提取出冬小麦分布的范围和面积信息，利用多时相MODIS 遥感数据，分析由于不同作物物候期的差异构成的光谱特征信息的差异，建立合适的辅助提取模型，修正冬小麦的分布和面积信息，从而最终准确提取出研究区的冬小麦面积。
具体流程为：首先利用植被指数有明显增减变化的时段做植被差值图像，然后根据调查数据设定阈值，结合上面的各时段不同覆盖类型的植被指数变化规律来提取冬小麦区。
这里用NDVI （D ）表示不同时相的NDVI 值，D 为图1中时间序列图像的某一张图像日期，本文就是用冬小麦返青期至拔节期的NDVI 时序规律得到NDVI 4．18－NDVI 2．20＞T 1、NDVI 4．01＞NDVI 2．20的像元为冬小麦。
其中，NDVI 的下标表示NDVI 值的日期，如NDVI 4．18表示4月18日的NDVI 值；T 1为NDVI 的阈值，根据野外GPS 调查点的数据统计得出。
2结果与分析依据上文所述原理及方法，对关中地区2006年冬小麦种植面积进行了提取，得到冬小麦播种区域分布图（图2）。
利用GIS 空间分析功能，设定不同阈值，得到不同的面积统计结果；然后结合调查点的数据进行多次比较，得到几个近似阈值范围；最后根据不同阈值范围统计出的麦区面积相差不大，用遥感图像统计出的麦区面积与调查统计的数据相比，得到的比值用R 表示，R 的范围在0．911 1．027，其中最高精度达97．8%。
试验结果表明，用MODIS影像图2关中地区冬小麦分布图来提取大面积的冬小麦分布面积具有可行性，且精度与实际调查面积接近，可为今后作物面积统计提供一种简便快捷的方法。
3结论与讨论本文利用MODIS 卫星晴空数据、结合地面调查数据和高分辨率的Landsat /TM 数据解译得到的土地覆盖类型图像，根据不同覆盖类型的植被指数在不同生长阶段的变化规律提取出小麦分布区域，然后利用冬小麦几个生长关键期的植被指数变化得到植被差值图像，再结合定位点调查数据设定不同的阈值范围，最后利用GIS 空间分析统计得到冬小麦分布面积。
通过与实际调查统计面积对比发现，该方法的估算最高精度可达97．8%。
该方法为今后区域农作物面积估算提供了一种有效的途径，不仅可以节省大量的人力物力，还可以在图上很直观地反映出冬小麦区域分布状况。
卫星资料所反映的冬小麦长势是地面的实况，但由于地形、气候的差异，通常冬小麦不是在同一发育期水平。