低空间分辨率遥感数据是我国大范围农作物种植面积遥感测量重要的数据源之一，应用的主要问题之一就是解决混合像元问题，通过混合像元分解来获得农作物的空间分布信息。线性混合模型以其理论的科学性及计算的简单易行的特点被广泛应用于混合像元分解。本文主要利用中低分辨率遥感数据相结合，采用抽样方法获得目标地物的光谱特性，对MODIS反射率数据进行线性混合像元分解，得到研究区的冬小麦种植面积。首先利用分层抽样统计方法在MODIS数据上进行抽样框选取，在抽样框对应的中分辨率数据上进行分类，得到冬小麦的分布，采用像素积聚的方法得到抽样框中的小麦面积比例，带入到线性模型中求解出冬小麦在MODIS数据上的光谱特性，以此为依据利用线性混合像元分解进行整个研究区的冬小麦种植面积提取。研究的主要结论如下:　　(1)本文所采用的方法具有一定的实用性。对于种植结构复杂地区的主要作物种植面积提取，能够满足一定的精度，且方法过程简单易行。　　(2)本文应用新型的中分辨率遥感影像HJ数据。首先对HJ数据进行预处理，采用多时相的HJ数据计算NDVI，尤其是冬小麦生长的关键期，利用决策树方法提取冬小麦分布，结果比较理想，且HJ数据分辨率高，重访周期短的特性得到了充分体现。　　(3)决策树分类方法比一般分类方法具有更高的精度和更小的样本依赖性。本文通过75个有代表性的样点，得出冬小麦生长关键时期NDVI变化规律，进而用决策树提取出了精度较高的冬小麦分布。　　(4)数据预处理对测量结果的精度影响是不可忽视的。在多时相遥感数据处理时，几何配准误差是引起“漏分”、“误分”的重要原因。特别是对于HJ遥感数据来说，一般的辐射校正，几何校正方法不能够满足应用需要，对精度的影响有待考证。