歷史遙感產品數據支持下的作物種植面積測量高效抽樣方法
2023-12-05 20:41:06
專利名稱：歷史遙感產品數據支持下的作物種植面積測量高效抽樣方法
技術領域：
本發明涉及一種以歷史遙感產品數據建立抽樣框和設計分層抽樣輔助變量實現作物種植面積測量的高效抽樣方法。
背景技術：
及時準確的統計農作物種植面積對國家和區域的糧食生產、貿易及糧食安全預警有重要意義。遙感信息具有覆蓋範圍大、探測周期短、資料豐富、現勢性強、費用低等優勢， 成為了農作物種植面積測量的一項重要手段。然而，直接用遙感識別的方法進行農作物種植面積提取，存在分類器、操作人員經驗、樣本選擇、遙感影像質量等眾多因素的影響，致使作物種植面積提取的區域精度難以保障，分類結果錯入錯出導致區域面積無法量化。當前單純採用遙感技術進行農作物種植面積識別難以支撐作物種植面積的業務化測量，因此， 採用科學合理的抽樣方法是業務化運行的作物種植面積監測的關鍵因素。使用遙感技術結合統計抽樣方法的數據收集方式，以衛星、航空照片、專題地圖等材料為面積框。對研究區域按照相似性原則進行分層或分區，以規則網格或者不規則的行政區劃數據(鄉鎮、村)為抽樣單元，採用一定的抽樣方法(分層抽樣、整群抽樣、系統抽樣等)進行採樣，結合收集的田間數據進行估算的方式，這種方式可以客觀的反映數據的真實性，具有空間屬性，維護更新方便。該種面積框抽樣的方法已在多個國家得到廣泛認可和應用，成為了政府以及統計部門在大面積農作物面積估算中使用的方法。如美國國家航空航天局(NASA)、國家海洋大氣局(NOAA)、農業部(USDA)聯合制定了 「大面積作物清查試驗」即LACIE計劃(Large Area Crop Inventory Experiment)和「利用空間遙感技術進行農業禾口資源調查，，艮口 AgRISTARS 計劃(Agricultural and Resources Inventory Surveys Through Aerospace Remote Sensing)，完成了對世界主要小麥產區的面積、產量和總產量的估算實驗，其中作物種植面積的估算主要利用陸地衛星資料。歐盟MARS (Monitoring Agriculture with Remote Sensing)計劃是一項遙感技術應用於農業統計的十年研究項目。該項目研究目的是利用遙感技術開發出能夠改善歐洲共同體內部農業統計體系的新方法。我國學者在應用抽樣技術估算作物種植面積方面也進行了有益探索。周華茂借鑑和吸取了歐盟農業遙感研究項目(MARQ的有關農作物面積抽樣調查方法的經驗，結合我國水稻生產的實際情況，建立了一套適合我國南方稻區水稻播種面積抽樣調查的技術體系和地面面積取樣框圖。謝鴻光等研究了中比例尺度遙感調查中建立基於土地利用類型和土地利用結構的採樣區劃，布設多重採樣框架；王延頤等利用TM影像進行成數抽樣對江蘇省興化縣的水稻種植面積進行監測；陳仲新和劉海啟採用分層抽樣方法分別實現了全國冬小麥麵積變化遙感監測的外推以及大尺度耕地變化監測。焦險峰等使用1 2. 5萬比例尺地形圖標準分幅建立抽樣框架，完成了新疆棉花種植面積監測，吳炳方和李強子提出了基於農作物種植結構區劃，採用整群抽樣和樣條採樣技術相結合的測量辦法，進行了大區域農作物種植面積的估算。
3
綜觀大範圍農作物種植面積調查方法的發展，面積框抽樣調查逐步取代了傳統的抽樣方法，已經為世界許多國家和組織所採納。但是，傳統採用面積框多利用統計數據進行分層，難以獲得與目標作物相關性高的分層標誌，無法滿足高效的抽樣效率。利用遙感識別的方式獲取的遙感產品作為分層標誌已證實與目標作物有著非常高的相關性，可以提高抽樣效率。但採用現勢遙感測量結果作為輔助變量仍存在不可避免的問題，主要是獲取關鍵期遙感影像進行作物識別雖得到作物面積高精度的保證，但遙感數據的獲取易受到天氣、 重返周期以及作物物候(例作物播種初期，由於未出苗無法獲取影像)等因素的影響無法保證現勢的全覆蓋預分類結果的穩定獲取，從而限制了空間抽樣方案的設計和應用，這也是當前採用遙感建立抽樣框進行農作物種植面積測量的瓶頸所在。我國作為農業大國，作物種植習慣的規律是普遍存在的，如在歷年種植冬小麥概率高的地塊內，現勢種植小麥的種植概率也會高。因此，可以做一個假設在一個地塊內，作物種植具有一定的穩定性，多年種植概率高的地塊，來年種植該作物的概率也高。雖然遙感數據源的不斷獲取，歷史遙感數據源已經積累了豐富的歷史產品，因此，充分利用歷史遙感產品數據，依據歷史遙感產品反映現勢農作物的種植規律，為抽樣調查提供準確的入樣總體和輔助信息，提高抽樣效率，構建一套適於農作物抽樣的統計遙感調查方案，滿足農作物種植面積調查的業務化測量。本發明要解決的技術問題在於，針對現有遙感與抽樣調查作物種植面積調查中存在的問題，利用歷史遙感產品數據為分層標誌構建適用於農作物種植面積測量的抽樣調查方案，提高抽樣調查的效率，以解決無現勢遙感數據下農作物種植面積的測量。本發明採用的技術方案為以歷史遙感作物產品數據建立分層標誌，抽樣時採用兩階段分層的抽樣方法(Two-stage stratified sampling，TSS)。變化率可以用來定量描述農作物多年的種植變化規律，變化率又稱為「標準差率」，是衡量觀測值變異程度的一個統計量。當進行兩個或多個資料變異程度的比較時，如果度量單位與平均數相同，可以直接利用標準差來比較。如果單位和(或)平均數不同時， 比較其變異程度就不能採用標準差，而需採用標準差與平均數的比值(相對值)來比較。其可以消除單位和(或)平均數不同對兩個或多個資料變異程度比較的影響。變化率已經被許多學者用來描述數據集的分散程度。薛麗香等使用變化率對邊界點進行檢索，首先計算出數據對象到它的k_距離鄰居距離之和的平均值，然後用平均值的倒數作為每個點的密度，通過變異係數刻畫數據對象密度分布特徵尋找邊界點，Sushil I^radha使用變化率作為面積估計值與地面調查值之間無偏程度的度量指標。對於每個抽樣單元來說，多年歷史種植面積變化率(Crop Acreage Coefficient of Variance in Multi-years, CACVM)表述如下
權利要求
1.一種歷史遙感產品數據支持下的作物種植面積測量高效抽樣方法，其特徵在於，所述方法包括以下幾個步驟步驟一對遙感數據標準化預處理；步驟二 以輔助變量作為分層依據，採用兩階段分層抽樣；首先對歷史中解析度遙感影像作物種植面積進行提取，結合耕地地塊數據，建立入樣總體；其次，採用不同的輔助變量作為分層標誌，基於歷史產品數據的分層標誌的計算；然後，將歷史遙感產品用作入樣總體和抽樣框的合理性分析；最後，對分層標誌進行有效性研究。
2.根據權利要求1所述的高效抽樣方法，所述的輔助變量為農作物種植面積多年變化率和面積規模，所述的兩階段分層抽樣包括以下兩個階段第一階段採用農作物種植面積多年變化率作為分層標誌將入樣總體分割成不同的子總體；第二階段在第一階段劃分的子總體前提下以面積規模為分層標誌進一步分層，在各子總體中利用隨機抽樣方法抽選樣本；所述入樣總體為區域內的耕地範圍，所述兩階段分層抽樣還包括抽樣單元的建立，抽樣單元的類型包括由自然邊界構成的地塊，鄉、村行政邊界或者規則的格網數據。所述分層標誌為多年農作物種植面積變化率CACVM，定義為Stji代表抽樣單元內第i年的農作物種植面積，N代表歷史年份，t代表歷史總年數，Mean 代表抽樣單元內多年農作物種植面積平均值，SD代表單個抽樣單元內多年農作物種植面積的標準差，CACVM代表抽樣單元內種植面積年際間的變化率。禮、&、…仏代表一階段分層後的各層數據集合，L為一階段分層的層數，總體R為一階段分層後各層的併集； R = R1 U R2 U . . . U R1在一階段分層內採用面積規模指標進行二階段分層，Rn，Ri2，…，Rim分別代表一階段分層結果中第i層的二階段分層結果，M為一階段分層內二階段分層的層數，一階段每個分層集合為內部二階段分層結果的併集，則 Ri = Ril U Ri2 U · · · U Rij(j = 1,2—M)
3.根據權利要求2所述的高效抽樣方法，其特徵在於利用歷史遙感產品數據建立兩階段分層標誌(農作物種植面積多年變化率，面積規模)進行兩階段分層抽樣，採用累計平方根法確定最優分層的劃分點，即根據分層標誌y的密度函數f(y)的開方累計計算分層。
全文摘要
本發明涉及一種以歷史遙感產品數據建立抽樣框和設計輔助變量實現作物面積測量的高效的抽樣方法。CACVM和Mean分別代表抽樣單元內多年作物種植面積的變化率和平均規模。將此兩個指標分別用做一個兩階段分層抽樣方法的一階段和二階段分層的分層標誌。以北京市冬小麥種植面積最集中的大興、房山、順義和通州四區縣作為研究區進行試驗，對本發明方法的有效性進行評價。
文檔編號G01B21/28GK102175209SQ20101057675
公開日2011年9月7日 申請日期2010年12月7日 優先權日2010年12月7日
發明者何浩, 張錦水, 潘耀忠, 胡潭高, 趙蓮 申請人:北京師範大學