空间自相关性对冬小麦种植面积空间抽样效率的影响

空间抽样是实现区域农作物面积高效估算的重要手段,农作物分布受自然条件等因素影响普遍存在空间自相关性,但以往针对空间相关性对农作物面积抽样效率的影响研究明显不足。该研究选取安徽省凤台县为研究区,通过2017年4月4景GF-1全色多光谱影像(Panchromatic and Multispectral, PMS)与Google Earth高空间分辨率影像相结合提取研究区冬小麦。设计10种抽样单元尺度、3种抽样外推方法、2种相对允许误差和5种样本布局方式,构建多种冬小麦面积空间抽样方案。利用全局莫兰指数(global Moran’s index)评价不种尺度下抽样单元内冬小麦面积比的空间自相关强度,分析空间自相关性对冬小麦面积抽样效率(抽样误差、样本容量和空间布局)的影响。研究结果表明,抽样单元内冬小麦面积比的空间自相关强度随单元尺度的增大而减小,全局莫兰指数相应地由0.75降至0.50。无论在何种尺度下抽样单元内冬小麦面积比都呈显著的空间正相关性;抽样外推冬小麦面积总体的误差随空间自相关强度的减小呈先减小后明显增大的趋势。在10种抽样单元尺度中,当抽样单元尺度为2000m且抽样比为5%时,无论采用何种抽样方法外推总体的误差均为最小(简单随机抽样、系统和分层抽样外推总体的相对误差分别为17.94%、9.48%和1.82%);当相对允许误差设计为5%时,简单随机抽样外推总体所需样本容量随空间自相关强度的降低从660降至56。而分层抽样的样本容量不受空间自相关性的影响;5种样本布局方式中,采用分层随机抽样方式外推冬小麦面积总体的平均相对误差、平均变异系数和均方根误差最小,分别为1.82%、3.19%和0.11×108 m2。该研究可为有空间自相关存在下的农作物面积空间抽样方案合理设计提供参考依据。     

冬小麦种植面积空间抽样效率影响因子分析

基于遥感与抽样的农作物种植面积测量方法结合了遥感和抽样理论的优势,已经成为农作物种植面积测量中有着广泛应用前景的测量方法。以格网为单元,进行分层空间抽样,分析在二值图像的情况下,抽样格网大小、分层层数对抽样精度、抽样精度方差、抽样比的影响;将二值图像分类结果定义为作物区,随机混入不同丰度10%,20%,……,100%的冬小麦,在不同冬小麦丰度（即不同的分类误差）的前提下,分析抽样格网大小、分层层数、分类误差对抽样精度、抽样比的影响,确定最优分层定义为6层,在分类误差小于40%（即冬小麦丰度大于60%）的前提下,可以有效地进行空间抽样推算区域冬小麦种植面积,为农作物种植面积测量空间抽样方案的优化提供理论基础。     

农作物种植面积遥感抽样调查的误差影响因素分析

空间抽样技术在农作物种植面积调查中具有不可替代的作用,各抽样要素(抽样率、抽样调查单元尺寸及布局)对于抽样精度的影响至关重要。该文以湖南省晚稻为研究对象,设计了9种抽样调查单元和31种抽样率水平,以晚稻面积百分比为分层标志进行空间分层抽样,分析抽样格网大小、抽样率及样本空间分布格局对面积估算精度的敏感性及控制途径,并建立3种影响因素对面积估算的综合评估模型。结果表明:1)作物面积估计的平均抽样误差随抽样格网尺寸的增加而增加(R2=0.92),当抽样格网控制在5 km以内时,平均误差基本限制在5%以下,标准差变幅稳定在0.12以内;2)作物面积估计的平均抽样误差随抽样率的增加而逐渐降低(R2=0.82),当抽样率达到0.4%时,平均误差基本限制在5%以内,标准差变幅稳定在0.12以内;3)在抽样率确定的情况下,样本的空间分布是影响抽样精度的重要因素,随着样本空间分布由近似均匀分布向随机分布再向集群分布变化,作物面积估计量的平均抽样误差逐渐增大,当样本空间分布的方差均值比指标0.7时,平均误差控制在5%以内,标准差变幅稳定在0.1以内;4)得到3种影响因素对面积估算精度的定量评估模型。该成果揭示了农作物种植面积抽样过程中样方尺寸、抽样率和样本空间分布对精度影响的敏感性,为农作物种植面积监测空间抽样方案的选取以及确定特定的抽样方案可以达到的面积估算水平提供了理论基础。     

基于GF-1卫星数据的农作物种植面积遥感抽样调查方法

GF-1号卫星是中国2013年4月26日发射的一颗高分辨率遥感卫星,为解决该新型卫星数据在农作物对地抽样遥感调查中的应用技术方法问题,该文针对GF-1号卫星数据的特点,研究了基于GF-1号卫星16m WFV传感器和2m/8m PMS传感器卫星数据的农作物种植面积遥感抽样调查方法。根据研究区物候历,选择农作物识别关键期的16m WFV传感器数据进行多时相农作物种植面积的中分辨率遥感提取;在中分辨率农作物面积遥感分类图基础上,计算研究区域的MORAN I指数,确定格网抽样单元的大小,进行多目标农作物的MPPS(multivariate probability proportional to size)抽样;对抽样单元采用2m/8 m PMS传感器卫星数据进行高分辨率农作物面积制图;最后根据MPPS抽样方法进行总体农作物种植面积的推断,并计算CV值,评价抽样精度。以江苏省东台市为研究区对GF-1号卫星数据进行了应用研究。研究结果表明,GF-1号卫星数据完全可以应用于县级农作物种植面积的提取,农作物种植面积提取精度优于90%。     

基于遥感与多变量概率抽样调查的作物种植面积测量

针对传统抽样调查工作中调查基础资料时效性不高和野外调查工作量较大等问题,该文提出了一种遥感与MPPS(multivariate probability proportional to size)抽样调查相结合的农作物种植面积测量方法。利用第2次农业普查数据进行抽样框的编制;利用时序中分辨率遥感数据进行农作物种植面积的分类;在中分辨率遥感分类图的基础上进行MPPS抽样;采用高空间分辨率遥感数据对抽选样本进行面向对象的分类;根据MPPS抽样方法进行总体农作物种植面积的推断;计算CV值,评价抽样精度,以国家统计局公布数据为标准进行总体面积精度评价。以辽宁省北镇市为研究区对该方法进行了测试。结果显示,该方法能够有效的提取县级农作物种植面积,农作物种植面积提取精度优于92%。     

耕地变化空间抽样调查方案的精度与效率分析

已有研究表明,利用遥感空间抽样方法来监测耕地变化是可行的,如何选择最佳空间抽样方案以提高效率、节省费用则是其需解决的核心问题。采用3种抽样方法（简单随机抽样、分层抽样、系统抽样）与2种抽样框（规则抽样框、不规则抽样框）,设计了6种不同组合的遥感空间抽样方案进行试验;根据不同抽样框与平均每样本调查费用大小的关系,分析了不同耕地变化遥感空间抽样调查方案的精度与效率,并以北京市顺义区为例进行了试验验证,结果表明：采用分层-不规则框进行耕地变化遥感空间抽样调查具有较高的精度和效率。进一步的敏感性分析表明,分层-不     

面向省级农作物种植面积遥感估算的分层方法

针对当前遥感抽样估算中分层标志缺乏遥感识别误差描述的问题,该文探讨了基于农作物遥感识别结果的不同分层方法的抽样效率。以江苏省为研究区,采用2阶段分层,采用数字高程模型(digital elevation model,DEM)标准差进行一阶段分层,在一阶段分层的基础上,分别采用农作物识别种植规模、遥感识别破碎度、种植结构以及种植结构与破碎度指标进行二阶段分层。试验结果表明:种植结构与破碎度指标的分层效率最高,相对效率达到5.90,该分层指标融合了遥感分类结果反演出的种植结构和破碎度,不但能够有效地反映出农作物区域的景观特征,同时也较为合理地反映出区域间作物种植的差异性,为提高省级农作物种植面积遥感抽样估算效率提供有力的参考。     

乡镇尺度的玉米种植面积遥感监测

以快速、准确提取玉米种植面积为目标,以多时相HJ-1A/1B CCD影像和数字高程模型（DEM）为信息源,选取吉林省长春市为试验区,将试验区种植结构、物候特征、地形特征、光谱特征及植被指数等多元信息引入决策树分类模型,构建基于决策树分层分类的玉米种植面积遥感估算模型,并将空间化的农普数据作为参考值,以乡镇为基本评价单元对玉米种植面积遥感测量结果进行精度评价。研究表明：利用该方法可以有效提高玉米识别精度,满足作物种植面积估算大范围、多时相的需求,有助于解决作物种植面积遥感估算业务运行时空分辨率的矛盾,乡镇尺度的玉米种植面积总量提取精度可达92.57%。     

地块数据支持下的玉米种植面积遥感测量方法

统计行政单元内粮食作物种植面积及其空间分布是粮食产量估算的基础,也是制定粮食政策和调整种植结构的重要依据。以3S为代表的空间信息技术,是实现农作物种植面积统计的关键技术,也是实现常规统计进入空间统计的重要因素。该研究以玉米种植面积遥感测量为目标,选取种植结构复杂的农业区河南省原阳县为试验区,通过高分辨率融合影像建立地块边界数据,以TM影像为核心数据源,对TM数据进行预处理,结合NDVI及特征波段信息采用决策树方法对试验区进行预分类,初步获取玉米种植范围;将玉米预分类结果与耕地地块数据空间叠加分析,以地块内玉米的预分类面积比例为分层标志,建立分层模型,结合交通数据,布设野外样方;采用遥感影像与车载GPS结合的方式,设计合理的野外调查路线,开展野外样方实测工作,获取样本地块内的玉米种植比例;然后以野外GPS调查点为依据,通过决策树方法对玉米预分类结果进行修正。最后通过野外测量获取的样本地块玉米百分比及统计数据对TM数据提取的玉米种植面积结果进行评价,求得位置精度为81.8%,总量精度为91.1%。说明借助耕地地块数据库,能够提高多时相TM分类的位置精度和总量精度。     

作物种植面积空间对地抽样方法设计

传统的粮食作物种植面积估算一般采用目录抽样方法，由于缺乏现实、有效的先验知识，抽样过程受精度和效率制约。本文利用地理信息系统、遥感和全球定位系统技术，结合传统的随机、系统和分层抽样方法，设计三种新的粮食作物种植面积空间对地抽样方案，并在此基础上开展试验对比研究，分析它们在抽样精度、最少样本量和稳定性方面的差异。结果表明，本文所设计的空间分层抽样方法所需样本量较小，且具有较高的估算精度和稳定性，可以用于大范围农作物种植面积监测。     

基于空间模拟退火算法的最优土壤采样尺度选择研究

以研究区0.5 km×0.5 km(尺度a)网格的7050个样点为基础,分别得到1 km×1 km网格的1757个样点(尺度b),2 km×2 km网格的444个样点(尺度c),4 km×4 km网格的110个样点(尺度d),以土壤有机质(SOM)为目标属性,运用模拟退火算法对4种采样尺度的土壤样点进行优化选择,确定区域土壤调查的最优采样尺度。研究发现,通过模拟退火算法优化选择后,尺度a、b、c、d的最优样点数量分别为956、751、283和95个,优选的样点在空间上均匀分布。随着采样尺度的减小,采样点数量呈倍数增长,但对土壤属性的预测精度并没有相应比例的增加,且随着样点数量的增加,土壤属性预测精度的增加量逐渐减小。从样点数量与土壤属性预测精度综合来看,2 km×2 km的采样尺度是最优的土壤采样尺度。     

基于结构规模的冬小麦种植面积遥感抽样估算

在种植结构复杂地区,由于受到混合像元和同期作物的影响,传统的以规模为分层标志进行冬小麦种植面积遥感估算难以保证抽样效率和精度。该文综合考虑混合像元、同期作物的影响,构建了结构规模指标进行冬小麦种植面积遥感抽样估算。采用TM和QuickBird为研究数据,设计不同的抽样方案估算冬小麦的种植面积,计算标准误差、准确度和变异系数衡量估算精度,与传统简单随机、规模指标分层抽样进行对比分析,验证本文方法的有效性。试验结果表明,以结构规模指标分层抽样的反推结果在各项指标上均明显优于传统简单随机、规模指标分层抽样方式,尤其在小样本量时,标准误差降低2.0×105m2,准确度提升了1%。该研究结果为在大范围种植结构复杂地区进行冬小麦种植面积遥感估算的改进提供了试验依据。     

无人机遥感影像面向对象分类方法估算市域水稻面积

针对如何高效地从无人机遥感影像中提取农作物样方数据,用于农作物面积遥感估算,该文以浙江省平湖市为例,利用面向对象分类方法对无人机影像进行水稻自动化识别,作为样方数据与卫星遥感全覆盖空间分布分类结果结合,采用分层联合比估计进行2014年单季晚稻面积估算。然后,与人工目视解译识别方法获取的水稻样方数据推断的区域水稻面积估算的结果进行精度、效率对比分析。研究结果表明:1)利用面向对象分类方法对无人机影像进行分类,总体分类精度达到93%以上,满足构建样本的要求;2)通过区域作物估算对比分析发现,面向对象分类方法对无人机影像进行水稻识别,构建平湖市单季晚稻的样方数据,能够替代人工目视解译样方准确推断区域作物种植面积,有效地提高了无人机影像在遥感面积估算中的应用效率。     

松嫩典型黑土区耕地切沟密度分布特征及影响因子

东北黑土区是中国重要的商品粮生产基地，该地区耕地切沟侵蚀严重威胁农业生产及生态环境。为掌握松嫩典型黑土区耕地切沟密度分布特征及影响因子，基于全国第一次水利普查的998块抽样调查单元和1∶10000地形图，以及2018年Google高分遥感影像目视解译提取调查单元内所有切沟，采用地理探测器分析切沟密度空间分布的影响因子，分析松嫩典型黑土区耕地切沟密度的空间分布规律。结果表明：1)35.64%的耕地调查单元有切沟发育，切沟线密度变化在0.18～17.48 km/km²，面密度变化在425.95～91 921.34 m2/km²。2)地形和降水显著(P<0.05)影响松嫩典型黑土区耕地切沟密度，坡度是影响耕地切沟密度空间分布最重要的环境因子。3)依据切沟线密度划分，松嫩典型黑土区东部的黑土带耕地切沟侵蚀严重，轻度侵蚀以上面积占比35.87%，强烈侵蚀以上(切沟线密度≥2 km/km²)面积占比33.33%，剧烈侵蚀面积占比27.94%。黑钙土带有6.65%的面积遭受剧烈切沟侵蚀，星落分布于黑钙土带的边缘。系统抽样与高分辨...     

短距离样点对土壤呼吸空间变异预测精度的影响

不同采样设计会对土壤呼吸空间变异特征的预测精度产生重要影响。本研究选取黄淮海平原北部潮土区1 km×1 km夏玉米样地,在7×7单元规则格网(样点间距167 m)、完全随机(样点平均间距433 m)以及3×3单元规则格网+完全随机(样点平均间距405m)3种布点方式的基础上,保持样本总量(49)不变,以占总样点2%～14%的短距离样点(样点间距4m)随机替换原方案相应样点个数的方法优化布点方式,应用普通克里金法插值,以均方根误差(RMSE)和确定系数(R2)作为验证指标,检验基于3种布点方式设置的短距离样点对土壤呼吸空间变异预测精度的影响。结果表明:研究区土壤呼吸平均速率为2.65μmol·m?2·s?1,空间分布均呈西高东低,表现出中等程度变异。采样设计对土壤呼吸空间分布的预测精度影响显著,基于3种布点方式设置短距离样点可提高预测精度7%～13%。无短距离样点替换时,规则格网+完全随机的布点方式最优,比完全随机布点和规则格网布点的空间插值预测精度分别提高10%和22%;设置短距离样点替换后,在最优布点方式(规则格网+完全随机)中,对土壤呼吸空间变异的预测精度可再提高4%～7%,其中短距离样点个数占样本总量10%对土壤呼吸空间变异预测精度的提高最为明显。研究发现,基于相同的样本数量设置短距离样点可增加区域范围内样点密度,提高土壤呼吸空间变异预测精度及试验结果的可靠性。因此,在黄淮海平原北部潮土区100 hm2尺度的夏玉米样地中,规则格网+完全随机+10%短距离样点的布点方式是预测土壤呼吸空间变异最适宜的采样布点方式。     

空间抽样方法估算冬小麦播种面积

为改进现行农作物播种面积空间抽样技术体系,该文以山东省为研究区,以冬小麦播种面积为研究对象,通过"3S"技术(遥感、地理信息及全球定位技术)与传统抽样方法的联合应用,选取4种抽样技术(简单随机抽样、按冬小麦种植区划分层抽样、按耕地类型分层抽样和按分县冬小麦面积大小分层抽样),设计8种样本容量水平(变化范围74～333)进行了冬小麦播种面积空间抽样方法试验研究,结果表明:4种抽样方法中,在外推总体相对误差相近条件下,以分县冬小麦播种面积大小为分层标志的分层抽样方法效率最高;基于8种样本容量下的样本观测值进行研究区冬小麦播种面积总体外推与误差估计时,随着样本容量增加,外推总体总值估计值与真值的相对误差随之减小,但总体总值估计量的变异系数(CV)值仍较大。     

景观复杂地区土壤有机质变异的多尺度特征——以河南省登封市土壤为例

为研究景观复杂地区土壤有机质变异的尺度特征,以河南省登封市为研究区,探讨了该市土壤有机质在不同尺度、不同景观类型区的变异特征。结果表明:(1)2 km采样间距的大尺度土壤有机质平均含量和变异系数分别为20 g kg-1和44.8%;200、300、300和500 m间距的小尺度4个景观类型区:紫色土区、中山石英砂岩区、山前洪积扇区和低山丘陵洪积物母质区,有机质平均值和变异系数分别为15.72、15.53、26.00、18.98 g kg-1和29.9%、26.21%、16.04%、35.41%。(2)不同尺度、不同景观类型区土壤有机质的半方差函数,在块金值、基台值和变程等参数上有较大差异。(3)大尺度土壤有机质与高程因子、坡向因子呈极显著和显著相关性,与坡度相关性不明显;除了低山丘陵洪积物母质区与高程因子极显著相关外,小尺度土壤有机质在紫色土区、中山石英砂岩区和山前洪积扇区均和高程、坡度、坡向无显著相关性。