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。     

玉米种植面积空间抽样调查方案优化设计

抽样比、样本空间布局及抽样单元尺度是组成空间抽样调查方案的基础要素。为进一步改善现行农作物种植面积空间抽样调查效率,该文以吉林省德惠市为研究区,以玉米种植面积为研究对象,选取正方形网格作为抽样单元,通过空间分析、"3S"技术与传统抽样方法相结合进行农作物种植面积空间抽样方案优化设计试验研究。结果表明,抽样单元间空间自相关性随单元尺度的增大而增大,两者间呈线性正相关关系。当抽样单元尺度为500 m×500 m时,抽样单元间空间自相关性几乎不存在。遵循传统抽样理论要求样本间相互独立原则,选取500 m×500 m作为最优抽样单元尺度;对抽样单元内玉米种植面积与耕地面积进行相关分析发现,两者间存在极显著线性正相关关系。为提高玉米种植面积空间分层抽样效率,可选取耕地面积作为分层标志;以抽样外推总体相对误差(r)和变异系数(coefficient of variation,CV)为空间抽样效率评价指标,在4种(简单随机、系统等距、分层随机及分层系统等距)样本空间布局方式中,选取分层系统等距抽样作为最优样本布局方式;在7种抽样比(0.5%、1.0%、1.5%、2.0%、2.5%、3.0%、3.5%)设计水平中,选取1%作为最优抽样比。该文可为提高农作物面积空间抽样调查效率提供试验依据。     

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。     

冬小麦面积遥感识别精度与空间分辨率的关系

不同空间分辨率农作物面积识别精度是农情遥感监测数据源选择的依据。该文采用WFV(wide field view)、MODIS(moderate-resolution imaging spectroradiometer)、OLI(operational land imager)、Google Earth影像,在天津市武清区选择了12 km×14 km的冬小麦种植区作为研究区域,采用目视识别的方法,分析了2、5、10、15、30、100、250 m共7个空间分辨率尺度下冬小麦面积识别精度与遥感数据分辨率、农田景观破碎度之间的关系。结果表明,随着空间分辨率由2 m变化到250 m,冬小麦面积识别的总体精度逐步由98.6%降低到70.1%,精度降低28.5%;面积数量比例由5.5%扩大到110.6%,误差增加105.1个百分点;面积精度呈明显下降趋势,数量误差呈明显增加趋势,数量误差的增加速度高于精度下降的趋势。高、中、低3个景观破碎度条件下,随着分辨率由2 m降低到250 m,作物识别精度分别降低了72.8、63.2和47.0个百分点,破碎度的增加导致面积识别精度下降速度更快;同等分辨率下,破碎度越高的地区面积识别精度越低。像元内冬小麦占比与可识别能力密切相关,像元占比达到45.0%以上时才能够被正确识别为冬小麦类型,像元尺度降低导致细小斑块丢失是造成面积识别与数量精度降低的主要原因。像元空间分辨率越高,冬小麦像元的光谱一致性越强,越有利于冬小麦分类精度的提高。针对农情遥感监测业务运行的需要,上述研究结果可以作为区域范围不同用户精度要求前提下遥感数据源选择的依据。     

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。     

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。     

全国冬小麦面积变化遥感监测抽样外推方法的研究

该文提出了一种可以用于业务化运行的全国冬小麦面积变化遥感监测方法。根据我国冬小麦生产的特点,采用分层抽样方法,以全国冬小麦种植面积以往的统计数据为分层指标,将全国1411个冬小麦生产县划分为6层,建立全国冬小麦面积变化遥感监测抽样外推模型;然后,以TM影像覆盖来近似随机地从各层抽取所需数量的冬小麦生产县,采用人工判读的方法解译冬小麦的变化,并以县为单位统计;最后利用外推模型得出全国冬小麦面积的变化。通过1999、2000年连续2年的运行试验,得到了满意的结果     

顾及尺度效应的矿粮复合区耕地非粮化空间异质性及其关联因素

深入研究耕地非粮化空间异质性及其关联因素,有助于科学管控耕地非粮化和有效保障粮食安全。该研究以矿粮复合区德兴市为例,从尺度效应和空间近邻效应出发,综合采用莫兰指数、最小二乘法、空间自相关等方法,借助空间自相关模型探讨了耕地非粮化在不同尺度下关联因素的变化情况。结果表明：1）矿粮复合区的耕地非粮化存在3种形式,整体非粮化分布呈现强空间自相关性和强空间异质性,多数尺度下呈现显著的空间溢出效应;2）矿粮复合区耕地非粮化空间异质性存在明显的尺度效应,依据情况可以划分为4个区块尺度等级;3）耕地非粮化关联因素在不同尺度上呈现的显著性不一致,小尺度等级下耕地非粮化回归结果的显著率为90.2%,拟合度平均值为0.236,优于其他尺度等级,集水区尺度优于行政村尺度;4）耕地非粮化的关联因素强弱程度也具有明显的尺度效应,在小尺度下最显著,主要因素的回归系数平均值均大于0.250,显著率达到92%。研究结果可为耕地非粮化管控和农业高质量发展提供依据。     

区域土壤有机碳空间分布特征与尺度效应

结合当前土壤属性空间分布特征及其尺度效应研究进展和不足,综合采用变异函数理论、空间自相关理论、多重分形理论等方法从土壤有机碳(soil organic carbon,SOC)空间变异性、相关性和结构性等不同层面深入揭示不同尺度下SOC空间分布特征及其尺度效应。研究结果表明:除了15 km尺度外,基于变异函数分析的其他尺度块基比均小于50%,结构性因素占主导,结构性因素主要包括土壤亚类、土地质地、土地类型等,随机部分带来的空间变异性随着尺度的增加呈现减少趋势;不同尺度下的莫兰指数随着分离距离的增加由完全正值逐渐变小,过渡到正负交替出现的格局,最后完全变为负值,标准化统计量均大于1.96,每个尺度均具有良好的空间结构;不论是瑞利谱图,还是多重分形谱,随着尺度的增加,图谱越来越接近,研究区不同尺度下的SOC在空间上的分布是典型的分维数体;无论何种尺度,基于多重分形克里格法的实测值与预测值特异值空间吻合程度较高,特异值覆盖比率均在85%以上。联合了变异函数、空间自相关、多重分形和多重分形克里格等方法能够从空间变异性、空间相关性、空间结构性等更加深入全面地揭示研究区SOC空间分布特征。研究成果可为相对平坦农业区域土壤有机碳空间分布特征研究提供方法支撑。     

和田河西侧胡杨沙堆的三维形态特征及空间自相关性

基于野外RTK测量数据,利用GIS和统计手段进行信息提取与统计,定量分析了和田河西侧10个样方内胡杨沙堆的三维形态特征及空间自相关性。结果表明:(1)胡杨沙堆形态不规则,各形态参数变化范围均较大,大部分沙堆处于发育阶段;(2)沙堆呈斑块分布,中等面积沙堆居多。最小距离指数表明研究区内胡杨沙堆总体上呈离散分布;(3)坡度统计结果显示沙堆坡度主要分布在0°~50°;(4)胡杨沙堆的空间自相关尺度最大值为120m,在各自空间尺度上,沙堆的高度和底面积呈复杂的空间自相关关系。     

综合季相节律和特征光谱的冬小麦种植面积遥感估算

及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分析冬小麦在季相节律上的识别特征,构建冬小麦识别模型。再将MODIS像元分类处理,纯耕地像元利用冬小麦的季相节律特征识别;耕地与其他植被的混合像元利用混合像元分解的思想提取耕地组分的NDVI时间序列,从而进行识别,进一步根据空间关系将识别结果重新定位到中分辨率尺度上;冬小麦与其他作物的混合像元覆盖区则利用TM遥感影像的光谱差异加以区分。在伊洛河流域主要农业区,以冬小麦为识别对象,结果表明识别精度达到96.3%。该方法为作物种植信息的提取提供了新的解决问题的途径,也对其他类型作物的识别也具有重要的参考价值。     

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。     

基于空间平衡法的县域耕地质量监测布样方法

县域监测样点布局是反映耕地质量等级变化的基础,样本点布设的质量直接影响到耕地质量监测的结果和精度。因此,该文提出了基于空间平衡法的县域耕地质量监测布样方法,对影响耕地质量监测成本和精度的主要因素进行分析,选取样本点距离道路远近、样本点所在位置坡度高低和自然质量各等别样本容量3个方面综合生成包含概率栅格图层,图层中的像元值指总体单元中一个单元相对于其他单元被抽中的相对概率,在此基础上,运用空间平衡算法对包含概率栅格层进行空间改造,抽样选取监测样点,以平均Kriging预测标准差和监测样本点距县级主要道路的平均距离作为优化评价准则,将该方法与传统抽样方法进行比较分析。以江西省吉安县为例,全县布设78个监测样点,结果表明,当样点数量相同时,该方法相较传统布样方法在抽样精度和抽样成本方面均有一定的优势,能有效地监测耕地质量变化,满足县域耕地质量监测的需求。     

上海市规模经营农场的土壤养分与水稻产量空间变异特征

运用经典统计和地统计学结合的研究方法，探讨了规模化经营农场田块内的作物产量及土壤有效养分含量等空间变异特征。结果表明，土壤pH有较小变异和较强的空间结构性。作物产量变异较小而且是随机因素引起的没有明显空间结构性，和土壤养分含量及pH值等属性也没有明显的相关。有效磷、有效硫也表现为纯块金效应，全部变异由随机因素引起。其它观测项目均有不同程度的空间自相关，有效养分含量之间也有较为显著的相关性。