耿利宁，景元书，杨沈斌，浩宇

(南京信息工程大学1．江苏省农业气象重点实验室;2．应用气象学院，江苏南京210044)

0 引言

水稻是世界主要粮食作物之一，全世界近一半人口以水稻为食。随着大多数水稻种植国家城市化进程加速，水稻种植面积逐年减少，已经关系到世界的和平与稳定。为此，采用当前先进的遥感技术进行长期、大区域的水稻生产监测成为保障水稻安全生产的重要手段，而提出动态、可靠、有效的水稻面积遥感监测方法是其中的重要内容。

近十多年来，学者们提出了不同水稻面积的遥感监测方法，面对大区域的水稻动态监测，光学数据仍是水稻面积提取研究和应用的主要数据源，其中MODIS数据发挥重要作用。MODIS的光谱观测通道大大增强了对地表类型的识别能力和对不同生态系统的观测能力(邓学良等，2009;陈爱军等，2012)，在大区域水稻遥感监测中同样得到广泛应用(Boschetti et al．，2009;Sakamoto et al．，2009;Xiao et al．，2005)。而根据 Lay et al．(1983)提出的相似性指数，顾晓鹤等(2008)、杨沈斌等(2012)提出了通过建立参考水稻EVI(Enhanced Vegetation Index，增强植被指数)生长曲线和计算相似性指数的方法，从多时相MODIS数据中提取水稻面积。

然而，MODIS数据的空间分辨率较低，最高为250 m。较低的空间分辨率给大区域水稻遥感监测带来的严重的混合像元问题，尤其是在稻田分散且面积较小的种植区。针对混合像元问题，目前常用的方法有线性混合模型分解、模糊分类模型分解以及盲源分解。其中，独立成分分析(Independent Component Analysis，ICA)属于盲源分解方法，而FastICA算法则是一种快速的ICA算法。……