遥感技术是研究现代农业监测、估产不可或缺的手段。由于不同种类的农作物在遥感影像上的颜色、形状、纹理和其它特征有一定的差异,所以可以通过这些特征来对农作物进行面积、长势等进行提取与监测。与传统监测方法相比,现代遥感技术的具有实时性、客观性、广域性等优点是传统方法所不具备的,有效的节省了人力物力和财力。在我国冬小麦是第二大粮食作物,小麦面积的精确提取对于粮食估产、灾害评估等有着重要作用。如今,模式识别的迅猛发展为遥感数据的智能化处理提供了强有力的技术支持。本文选取黄淮海冬小麦主产的鹤壁市、亳州市、石家庄市和泰安市四市为研究区,运用交叉验证SVM的方法,对四市多时相Landsat遥感影像进行冬小麦种植面积提取,并通过主成分分析和多元线性回归分析对影响四市冬小麦种植面积的驱动力因子进行了分析。主要工作内容和结果如下:(1)首先对Landsat待分类影像进行几何校正、辐射定标和大气校正,通过ENVI制作NDVI植被指数图,用Arcgis重分类去掉非植被部分。然后分别用行政区矢量图和绿波段的单波段影像进行图像掩膜,得到四市的绿波段植被分布图。借助于Matalab软件并利用SVM算法分别对鹤壁市、亳州市、石家庄市和泰安市四市不同年份的数据进行冬小麦面积分类提取。SVM中的参数C和参数V的选取通过k折交叉验证来获取最优组合。最后通过得到分类图进行冬小麦种植面积的估算。(2)通过运用PCA主成分分析和多元线性回归分析模型,对上面得到的结果进行了进一步的分析发现影响黄淮海四市冬小麦种植面积的驱动力因子主要有乡村从业人员数量、城市化率、小麦生产价格指数等几个主要指标。其中石家庄市受乡村从业人员影响最为严重,主要原因为京津冀首都经济圈协同发展纲要的提出,对于河北省人口、劳动力的流失起到的助推作用,加之劳动力的省内流动,更是的乡村从业人员数量急剧减少。另外其它三个地市实际情况不同,影响冬小麦播种面积的驱动力因子也不尽相同。