[发明专利]历史遥感产品数据支持下的作物种植面积测量高效抽样方法

说明书

技术领域

本发明涉及一种以历史遥感产品数据建立抽样框和设计分层抽样辅助变量实现作物种植面积测量的高效抽样方法。

背景技术

及时准确的统计农作物种植面积对国家和区域的粮食生产、贸易及粮食安全预警有重要意义。遥感信息具有覆盖范围大、探测周期短、资料丰富、现势性强、费用低等优势，成为了农作物种植面积测量的一项重要手段。然而，直接用遥感识别的方法进行农作物种植面积提取，存在分类器、操作人员经验、样本选择、遥感影像质量等众多因素的影响，致使作物种植面积提取的区域精度难以保障，分类结果错入错出导致区域面积无法量化。当前单纯采用遥感技术进行农作物种植面积识别难以支撑作物种植面积的业务化测量，因此，采用科学合理的抽样方法是业务化运行的作物种植面积监测的关键因素。

使用遥感技术结合统计抽样方法的数据收集方式，以卫星、航空照片、专题地图等材料为面积框。对研究区域按照相似性原则进行分层或分区，以规则网格或者不规则的行政区划数据(乡镇、村)为抽样单元，采用一定的抽样方法(分层抽样、整群抽样、系统抽样等)进行采样，结合收集的田间数据进行估算的方式，这种方式可以客观的反映数据的真实性，具有空间属性，维护更新方便。该种面积框抽样的方法已在多个国家得到广泛认可和应用，成为了政府以及统计部门在大面积农作物面积估算中使用的方法。如美国国家航空航天局(NASA)、国家海洋大气局(NOAA)、农业部(USDA)联合制定了“大面积作物清查试验”即LACIE计划(Large Area Crop Inventory Experiment)和“利用空间遥感技术进行农业和资源调查”即AgRISTARS计划(Agricultural and Resources Inventory Surveys Through Aerospace Remote Sensing)，完成了对世界主要小麦产区的面积、产量和总产量的估算实验，其中作物种植面积的估算主要利用陆地卫星资料。欧盟MARS(Monitoring Agriculture with Remote Sensing)计划是一项遥感技术应用于农业统计的十年研究项目。该项目研究目的是利用遥感技术开发出能够改善欧洲共同体内部农业统计体系的新方法。我国学者在应用抽样技术估算作物种植面积方面也进行了有益探索。周华茂借鉴和吸取了欧盟农业遥感研究项目(MARS)的有关农作物面积抽样调查方法的经验，结合我国水稻生产的实际情况，建立了一套适合我国南方稻区水稻播种面积抽 样调查的技术体系和地面面积取样框图。谢鸿光等研究了中比例尺度遥感调查中建立基于土地利用类型和土地利用结构的采样区划，布设多重采样框架；王延颐等利用TM影像进行成数抽样对江苏省兴化县的水稻种植面积进行监测；陈仲新和刘海启采用分层抽样方法分别实现了全国冬小麦面积变化遥感监测的外推以及大尺度耕地变化监测。焦险峰等使用1∶2.5万比例尺地形图标准分幅建立抽样框架，完成了新疆棉花种植面积监测，吴炳方和李强子提出了基于农作物种植结构区划，采用整群抽样和样条采样技术相结合的测量办法，进行了大区域农作物种植面积的估算。

综观大范围农作物种植面积调查方法的发展，面积框抽样调查逐步取代了传统的抽样方法，已经为世界许多国家和组织所采纳。但是，传统采用面积框多利用统计数据进行分层，难以获得与目标作物相关性高的分层标志，无法满足高效的抽样效率。利用遥感识别的方式获取的遥感产品作为分层标志已证实与目标作物有着非常高的相关性，可以提高抽样效率。但采用现势遥感测量结果作为辅助变量仍存在不可避免的问题，主要是：获取关键期遥感影像进行作物识别虽得到作物面积高精度的保证，但遥感数据的获取易受到天气、重返周期以及作物物候(例：作物播种初期，由于未出苗无法获取影像)等因素的影响无法保证现势的全覆盖预分类结果的稳定获取，从而限制了空间抽样方案的设计和应用，这也是当前采用遥感建立抽样框进行农作物种植面积测量的瓶颈所在。

我国作为农业大国，作物种植习惯的规律是普遍存在的，如在历年种植冬小麦概率高的地块内，现势种植小麦的种植概率也会高。因此，可以做一个假设：在一个地块内，作物种植具有一定的稳定性，多年种植概率高的地块，来年种植该作物的概率也高。虽然遥感数据源的不断获取，历史遥感数据源已经积累了丰富的历史产品，因此，充分利用历史遥感产品数据，依据历史遥感产品反映现势农作物的种植规律，为抽样调查提供准确的入样总体和辅助信息，提高抽样效率，构建一套适于农作物抽样的统计遥感调查方案，满足农作物种植面积调查的业务化测量。

发明内容