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Googl...     

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%。     

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。     

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%。     

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%。     

基于分层抽样的中国水稻种植面积遥感调查方法研究

及时准确的统计水稻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。传统的按行政单元逐级上报和农业产量抽样调查方法在数据获取过程中受人为因素的干扰，难以避免的出现诸如错报、漏报、空报等问题。遥感技术具有及时、准确、客观的特点，对于农作物种植面积监测具有其他方法不可替代的优势。但是，一般的作物面积遥感监测是全覆盖或典型地区调查。在大尺度农作物遥感调查时，全面普查(卫星遥感数据全覆盖)的方法在时间和经费方面是不可行的，以典型调查代替总体的方法缺乏科学依据。科学合理的抽样方法是可运行的大尺度作物面积监测的关键因素。研究在背景数据库的支持下，以土地利用数据库为辅助变量，设计了基于分层抽样的中国水稻种植面积遥感监测方法。以全国稻田面积为总体，采用1∶5万比例尺标准地形图幅为分层抽样的抽样单元。以遥感与地面调查相结合的方法监测样本的当年和上一年水稻种植面积，在给定精度条件下估算水稻种植面积年际变化率。结合上年统计部门发布的水稻种植面积统计数据，推算当年水稻种植面积。该项研究为农业部全国水稻遥感监测提供了可行的大尺度水稻遥感监测的运行方案。     

基于作物空间物候差异提取黄淮海夏玉米种植面积

考虑大区域内不同纬度间玉米物候差异,利用MODIS EVI时序曲线提取黄淮海夏玉米种植面积。基于Landsat影像和MOD13Q1数据集,提取参考区夏玉米MODIS EVI时间序列曲线;根据研究区内农业气象站夏玉米生育期观测数据,构建夏玉米各物候期与纬度的关系,以纬度作为参数修正参考区夏玉米MODIS EVI时序曲线,获取研究区夏玉米EVI标准时序曲线,结合平均绝对距离（MAD）和p-分位数法提取黄淮海平原夏玉米面积。结果表明,利用遥感影像提取的北京、天津、河北、河南以及山东夏玉米面积分别为125.3×103、162.6×103、2231.8×103、2963.6×103和2731.9×103hm2,各省提取精度均达到80%以上。在市级尺度上,决定系数R2为0.82,均方根误差RMSE为147.8×103hm2;在县级尺度上,决定系数R2为0.62,均方根误差RMSE为17.7×103hm2。说明利用本方法能够准确有效地提取大区域内夏玉米种植面积,为其它农作物在大范围内估计种植面积提供新思路。     

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。     

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BP神经网络的玉米种植密度和施肥量优化

为解决利用回归模型进行作物种植密度和施肥量优化时存在的拟合精度差和准确性低等问题,该文提出一种基于BP神经网络的优化方法。以玉米作物为研究对象,选取种植密度、施氮量、施磷量、施钾量为试验因素,玉米产量为影响指标,设计4因素5水平正交旋转试验方案进行田间试验,获取不同种植密度和施肥量水平下的玉米产量。利用BP神经网络模型对试验数据进行函数拟合,拟合后运用该文提出的优化方法获得试验条件下红星农场德美亚1号玉米最佳种植密度9.32×10~4株/hm~2、施N量139.5 kg/hm~2、施P_2O_5量85.4 kg/hm~2、施K_2O量70.8 kg/hm~2,该参数组合下玉米的最优产量为16 308.53 kg/hm~2,高于二次回归模型优化得到的最高产量16 009.00 kg/hm~2。以BP神经网络优化结果在试验区进行验证试验,获得试验方案下玉米产量为15 948.3 kg/hm~2,试验与优化结果相对误差仅为-2.21%,表明该优化方法拟合函数精度高,优化结果准确,为解决农业生产领域中类似优化问题提供了一种可靠方法。     

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     

树桑白蚧雌成虫空间分布型及抽样技术的研究

树桑白蚧雌成虫空间分布型测定结果表明:频次分布检验为负二项分布;聚集指标和Taylor幂法则测定为聚集分布;Iwao的直线回归式揭示了　树桑白蚧雌成虫属于最普通的聚集分布(负二项分布),在此基础上得出田间调查的理论抽样数公式:N=t2D2(17768m 04041),描述了Kuno种群序贯抽样的模型:Tn=17768(D2-04041n)。     

大型自然通风奶牛舍空气颗粒物浓度监测方法中采样间隔优化

规模化奶牛养殖产生的颗粒物会对人员和奶牛的呼吸道以及周边环境健康产生不利影响。对于奶牛舍空气颗粒物的实时连续监测,除了监测点数量和位置外,监测设备的采样间隔同样会影响监测结果的准确性。为确定合理的采样间隔,该研究采用环境物联网技术在大型自然通风奶牛舍内共计布置了17个采样点,对秋季至冬季舍内的总悬浮颗粒物（total suspended particulate, TSP）和细颗粒物（PM_2.5）浓度进行连续6个月的实时监测,计算舍内17个采样点的平均浓度（视为“真值”）。基于误差分析法,分别计算了30 min和1、2、3、6、1.2 h采样间隔下秋季和冬季的颗粒物浓度日均值,以及10、15、20、30 min和1 h采样间隔下白天、夜间与生产管理操作期间的颗粒物浓度小时均值及其与真值的相对误差（E_r）,统计了E_r在5%与10%范围内的占比情况,以66.7%作为可接受标准,确定了秋冬季节颗粒物浓度日均值和小时均值的最大可接受采样间隔。结果显示,在5%的相对误差允许范围内,秋冬季节TSP日均值的最大可接受采样间隔为2 h（秋季）和1 h（冬季）,PM_2.5为3 h（秋季）和1 h（冬季）;白天TSP小时均值的最大可接受采样间隔为20 min（秋季）和15 min（冬季）,夜间TSP为30 min（秋季）和15 min（冬季）,秋冬季节白天和夜间的PM_2.5的最大采样间隔均为30 min;当TSP和PM_2.5的最大可接受采样间隔为10 min和20 min时,测量数据可以较好地反映秋冬季节生产管理操作对舍内颗粒物浓度的影响。研究对于畜禽舍颗粒物监测中传感器采样频率的设定具有重要意义。     

基于CSLE模型和抽样单元法的县域土壤侵蚀估算方法对比

为提高县域尺度地块(栅格)土壤侵蚀模数估算的准确性,以河北省怀来县为例,基于CSLE模型,分别采用全域覆盖计算和4%密度抽样单元推算方法对全县土壤侵蚀进行计算和对比分析。结果表明:全域覆盖计算比4%抽样单元推算水土流失面积大59.0 km~2,相对差异达12.94%。全域覆盖计算可实现空间全覆盖,更准确地反映县域水土流失空间分布特点,适用于中、小尺度土壤侵蚀定量计算,但需要较高精度和全面的数据源保证;抽样单元推算适用于流域、区域等大尺度土壤侵蚀估算,但结果受抽样方法、抽样密度、外推或插值方法等因素影响较大。应进一步加强遥感解译准确性、侵蚀因子精度等对CSLE全域覆盖计算结果影响的研究,完善模型参数数据库,率定因子值,实现参数本地化。     

基于籽粒RGB图像独立分量的玉米胚部特征检测

玉米胚部特征是重要的农艺性状之一,目前主要通过手工方法进行测量。为实现通过机器视觉图像处理的方法进行玉米胚部特征的自动检测,提出一种基于独立分量分析ICA的玉米胚部测量方法,并建立了检测模型。首先对玉米籽粒的RGB图像进行ICA分析,发现具有最大熵的独立分量IC代表着胚部与籽粒其他部分的对比。根据此IC能够实现玉米胚部的准确分割。然后,提取了玉米胚部面积等9个特征。和手工检测结果相比,面积误差为0.7%,决定系数达0.984,其他8个特征的误差总体也都在2%以下。与前人的基于颜色模型区域生长的检测结果比较,检测准确度有明显提高。表明采用基于ICA的方法检测的结果准确可靠,能够用于玉米胚部的自动检测。     

玉米生育期空间插值方法比较

采用合适的空间插值方法可以估计全国主产区玉米生育期的空间分布情况,从而指导不同地区的种植生产。该文通过比较反距离加权法、径向基函数法、克里格法等插值方法的异同,以调查县夏播玉米5个阶段的生育期为数据源,对黄淮海夏播玉米区生育期的数据进行空间插值处理,并使用交叉验证对表面精度进行分析。结果表明：播种期、出苗期和成熟期的最适合插值方法为径向基函数法,其均方根预测误差分别为5.077、5.320、5.243 d,拔节期和抽雄期的最佳插值方法为反距离加权法,其均方根预测误差分别为7.826、6.403 d;播种期和出苗期由西南至东北逐渐延后,其余阶段生育期以东南至西北为中轴线向两侧逐渐延后。