1 引言

遥感技术最先开始应用于航空航天领域，随着技术的不断成熟，遥感技术也逐渐为其他领域提供了新的研究手段。在农业领域，传统的农作物面积监测方法存在耗时长、速度慢、成本高、工作量大等缺点，因此如何快速准确的获取农作物种植面积，对于相关部门及时监测粮食种植面积、保障粮食稳产具有重要的意义[1]。我国从20世纪80年代才开始将遥感应用于农业监测[2]，张健康等[3]基于 TM/ETM数据，用决策树方法提取了作物面积，平均精度在92%左右；利用面向对象的方法，张建国等[4]对桓台县的冬小麦面积进行了提取。目前，如何利用遥感技术及智能化方法精确地提取农作物面积，依然是一个具有挑战性的问题。

钱泰吉(1791—1863)《曝书杂记》：“余昔有明初抄本，即《解题》所载本”。可见宋末新出现的这个本子在明初尚有钞本，且至少流传到清钱泰吉(1791—1863)之世。

本文基于模式识别技术提出了一种用NDVI植被覆盖度指数和SVM交叉验证算法相结合的新的农作物面积提取方法，并以山东省高青县为研究区，进行了研究区内冬小麦种植面积的提取工作，取得了较好的效果。

2 数据选择

Landsat数据的绿波段波长为0.52-0.60μm，该波段对绿色植被具有吸收强的特点，对植被覆盖度和植被生长状况较敏感。本文选择11月末到1月中旬的遥感影像，此时冬小麦处于越冬期，叶绿素含量相较于该地区其它其他地物和落叶植被差异较大，便于冬小麦的识别。

本研究选用了 2005年、2007年、2010年、2013年、2016年5个时相Landsat数据进行处理分析。

3 研究方法

交叉验证是把训练数据分成两部分，一部分用来训练，一部分用来测试。假设把训练数据分成大小相等的k份，用其中1份作为训练集，剩余k-1份作为测试集，依次对每一份数据进行训练，最后分类正确的数据占的比例就是交叉验证的精度。本文令k=5即在SVM分类器的基础上用了五重交叉验证（five-fold cross validation）的方法对分类器的惩罚参数C和多项式核参数V进行寻优，标记30%作为训练样本，来对冬小麦面积进行提取。

3.1 NDVI指数图

【复习建议】明确相关概念,熟记与物质的量相关的4个计算公式的使用条件与范围,对重点题型与方法训练要到位,强化对化学方程式的量化理解,灵活掌握守恒思想(元素守恒、得失电子守恒等)在化学方程式中的应用,注意化学计算与化学基本理论、化学变化过程、工业流程、化学实验等的结合,形成一定的解题思维能力。

在完成注浆加固后，采用套管进行取芯，对结实体强度进行测量，同时开展压水试验，用于对注浆加固的实际效果进行检查。因条件有限，完成注浆加固以后采用单管单洞的方式实施抽芯检查，从检查结果可知，实际取芯率可以达到70%以上，芯样强度超过20MPa，吸水率在0.5L/min·m以内。可见，通过注浆加固，能使围岩保持完整，提高岩石强度，使地层整体密实性得以显著提高[3]。

 

为了证明该方法的有效性，本文对山东省淄博市高青县5年的冬小麦面积进行了提取，最后得到的分类结果如表1和图1所示。

教师混合式远程学习是数字化学习的延伸，将面授学习与在线学习的优势充分融合。本文分析了教师混合式远程学习包含三个方面，即线上学习与线下活动的融合、自主学习与协作学习的结合以及学习反馈；从组织层面、培训机构层面、教师个人层面为增强教师混合式远程学习效果提出相应的策略，以期能为教师培训提供帮助。■

3.2 SVM交叉验证算法

从图1可以看出，在时间上，高青县冬小麦播种面积基本呈逐年上升的趋势，尤其是2007-2010这3年内，种植面积有巨大增长。这与《高青县土地利用总体规划（2006-2020）》是基本相符的。在空间上2005-2016年这11年间，高青县通过严格控制新增建设用地占用耕地的规模、控制农村居民点的规模合理合法规划农村宅基地、促进土地集约利用等措施保护原有耕地并努力增加耕地面积，尤其以高青县中部和北部的田镇和常家镇最为明显。

本文对Landsat数据进行预处理之后，先计算影像的归一化植被指数，将其分为植被和非植被两类，将植被部分通过掩膜图得到高青县绿波段的植被覆盖度影像。最后将该影像用SVM交叉验证算法进行冬小麦面积的提取。

选取2014年1月到2016年12月我院收治的胃癌骨转移患者60例作为研究对象，其中男性38例，女性22例，平均年龄为(56.2±11.8)岁。病例纳入标准：①均经胃镜或术后病理确诊；②骨转移经影像学(ECT、CT、MR)确诊；③诊治资料完整；④未行手术。

 

表1 高青县各时相冬小麦面积统计结果比较

  

?

  

图1 高青县各时相冬小麦面积提取结果图

4 实验结果与分析

运用波段运算，根据植被覆盖度进行提取后，对得到的植被覆盖度图像分别进行重分类和掩膜处理，最后得到高青县的绿波段遥感影像。

神经外科患者免疫力低,侵入性操作多,是医院感染监测的重点人群。通过主动性目标监测,及时发现感染的危险因素,采取针对性的预防控制措施。

从表1可以看出：2013、2016近两年冬小麦面积提取误差比之前三年稍低，主要原因是前面三年所用Landsat7 ETM+数据在预处理时进行了影像条带修复，对提取精度产生了一定的影响。从总的结果来看，本文方法提取的5年冬小麦面积与当年统计数据之间的平均误差为4.232%，考虑到本文选用的影像数据特点，该误差范围对于县级尺度区域的冬小麦面积提取是可以接受的。

SVM分类器是当前比较流行的分类器之一，具有出色的分类能力，但在实际应用中，很多情况是线性不可分的，因此，引入核函数将其映射至高维空间中变为线性可分来解决这个问题[6]。除此以外惩罚参数C和多项式核参数V参数组合（C,V）不同会取得不同的分类效果，为了取得高精度，使分类器对于未知数据进行正确预测，本文采用SVM交叉验证算法对参数进行寻优。

5 小结

遥感技术是现代农业不可或缺的技术手段，本文基于NDVI植被覆盖度指数和SVM交叉验证算法，提出了一种利用遥感数据提取冬小麦种植面积的新方法，并通过实验证明该方法可以用于遥感影像对农作物面积变化监测当中。

参考文献：

NDVI归一化植被指数是反映农作物长势信息的重要指标之一，它主要应用于监测植被生长状态、覆盖度等。绿色植被反射光谱的突出特点是对红光的高吸收率和对近红外光的高反射率，因此NDVI定义为可见光红波反射值（R）与近红外波段反射值（NIR）之差和这两个波段反射值之和的比值，公式为[5]：

[1]张红，舒宁，刘刚.多时相组合分类法在土地利用动态监测中的应用[J].武汉大学学报（信息科学版），2005（02）：131-134.

[2]陈水森，柳钦火，陈良富，李静，刘强.粮食作物播种面积遥感监测研究进展[J].农业工程学报，2005（06）：166-171.

[3]张健康，程彦培，张发旺，岳德鹏，郭晓晓，董华，王计平，唐宏才.基于多时相遥感影像的作物种植信息提取 [J].农业工程学报，2012，28（02）：134-141.

[4]张建国，李宪文，吴延磊.面向对象的冬小麦种植面积遥感估算研究[J].农业工程学报，2008（05）：156-160+316.

[5]姚静，武文波，康停军.基于TM影像的城市绿地信息提取方法研究[J].测绘科学，2010，35（01）：113-115.

[6]FranciscoJaramillo,MarcosOrchard,CarlosMu oz,ChristianAntileo,DorisSáez,Pablo Espinoza.On-line estimation of the aerobic phase length for partial nitrification processes in SBR based on features extraction and SVM classification[J].Chemical Engineering Journal,2018(331).