小麦作为常规种植作物之一，一直是北方的重要农作物。本文中基于16米分辨率不同时相的GF-1影像进行提取小麦信息。
（1）2021年3月7日：该数据作为小麦提取的基准数据，研究区种植为冬小麦，该时节内小麦已经呈现比较明显的植被特征；（2）2021年5月22日：该数据作为中间数据，主要为了去除部分可能会出现的季节性蔬菜对小麦的提取的影响；（3）2021年6月14日：在该时间内小麦已基本完成收割，因此是作为对比去除常绿植被，提取小麦信息。本文中使用软件为eCongnition9.0（已上传，后台回复易康即可获取）本文中小麦提取主要是采用在不同时节中的影像表现来进行提取，在3月初，小麦表现出明显的植被特征；5月下旬仍然具备明显植被特征；6月中旬基本收割完毕；通过这一对比进而获取小麦信息。小麦信息的提取仍然是通过易康软件来实现，具体提取步骤主要分为四个部分：（1）确定影像范围；（2）波段计算（3）地类提取（4）结果导出。影像范围的确定是通过多阈值分割的方法进行；主要通过设置某一波段的具体阈值范围来确定所提取的影像范围。这里由于是仅仅提取小麦信息，因此主要是基于三个影像分别构建了三个NDVI指数。地类提取部分主要是基于上述的提取思想将其分为了三个部分：①提取三月份植被；②三月植被内继续提取五月植被；③去除六月内仍为植被部分；在该部分中主要是通过多阈值提取的方法，基于NDVI指数的阈值进行首先提取三月份的植被信息，并且对其进行修整以及去除面积小于50像元的小图斑；之后在已经提取到的三月份的植被信息内部继续提取五月份植被；由此即可去除部分季节性蔬菜的影响。由于在六月中期小麦已经基本收割完毕，因此该时期影像中仍为植被部分则不为小麦，因此这里进行去除。并且通过该方法还可以有效去除掉山区部分的植被信息。该部分为了最后小麦结果能够有更好的边界情况，而减少畸形图斑的产生，首先进行了多尺度分割，多尺度分割中仅仅让3月份和6月份以及6月份的NDVI值进行参与分割。分割之后，能够更好的贴合影像现状。进行分割之后，仍然采用上面提取植被的形式进行去除植被信息部分，之后并进行相应的图斑整合操作，由此提取出的即为小麦。上面已经完成小麦的信息提取工作，这里直接进行结果的最后导出。将最后导出的矢量结果在ArcGIS中进行展示如下：温馨提示：由于微信修改了推送规则，没有经常留言或点【在看】的，会慢慢的收不到推送！如果你想经常看到本公众号推送的干货，干货，干货，请将【生态与遥感应用】设为【星标】或每次看完后点击一下页面下的【赞】【在看】，谢谢支持！
