专利名称：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
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禾口资源调查，，艮口 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(MARQ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。
3
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。本发明要解决的技术问题在于，针对现有遥感与抽样调查作物种植面积调查中存在的问题，利用历史遥感产品数据为分层标志构建适用于农作物种植面积测量的抽样调查方案，提高抽样调查的效率，以解决无现势遥感数据下农作物种植面积的测量。本发明采用的技术方案为以历史遥感作物产品数据建立分层标志，抽样时采用两阶段分层的抽样方法(Two-stage stratified sampling，TSS)。变化率可以用来定量描述农作物多年的种植变化规律，变化率又称为“标准差率”，是衡量观测值变异程度的一个统计量。当进行两个或多个资料变异程度的比较时，如果度量单位与平均数相同，可以直接利用标准差来比较。如果单位和(或)平均数不同时， 比较其变异程度就不能采用标准差，而需采用标准差与平均数的比值(相对值)来比较。其可以消除单位和(或)平均数不同对两个或多个资料变异程度比较的影响。变化率已经被许多学者用来描述数据集的分散程度。薛丽香等使用变化率对边界点进行检索，首先计算出数据对象到它的k_距离邻居距离之和的平均值，然后用平均值的倒数作为每个点的密度，通过变异系数刻画数据对象密度分布特征寻找边界点，Sushil I^radha使用变化率作为面积估计值与地面调查值之间无偏程度的度量指标。对于每个抽样单元来说，多年历史种植面积变化率(Crop Acreage Coefficient of Variance in Multi-years, CACVM)表述如下
权利要求
1.一种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，其特征在于，所述方法包括以下几个步骤步骤一对遥感数据标准化预处理；步骤二 以辅助变量作为分层依据，采用两阶段分层抽样；首先对历史中分辨率遥感影像作物种植面积进行提取，结合耕地地块数据，建立入样总体；其次，采用不同的辅助变量作为分层标志，基于历史产品数据的分层标志的计算；然后，将历史遥感产品用作入样总体和抽样框的合理性分析；最后，对分层标志进行有效性研究。
2.根据权利要求1所述的高效抽样方法，所述的辅助变量为农作物种植面积多年变化率和面积规模，所述的两阶段分层抽样包括以下两个阶段第一阶段采用农作物种植面积多年变化率作为分层标志将入样总体分割成不同的子总体；第二阶段在第一阶段划分的子总体前提下以面积规模为分层标志进一步分层，在各子总体中利用随机抽样方法抽选样本；所述入样总体为区域内的耕地范围，所述两阶段分层抽样还包括抽样单元的建立，抽样单元的类型包括由自然边界构成的地块，乡、村行政边界或者规则的格网数据。所述分层标志为多年农作物种植面积变化率CACVM，定义为Stji代表抽样单元内第i年的农作物种植面积，N代表历史年份，t代表历史总年数，Mean 代表抽样单元内多年农作物种植面积平均值，SD代表单个抽样单元内多年农作物种植面积的标准差，CACVM代表抽样单元内种植面积年际间的变化率。礼、&、…仏代表一阶段分层后的各层数据集合，L为一阶段分层的层数，总体R为一阶段分层后各层的并集； R = R1 U R2 U . . . U R1在一阶段分层内采用面积规模指标进行二阶段分层，Rn，Ri2，…，Rim分别代表一阶段分层结果中第i层的二阶段分层结果，M为一阶段分层内二阶段分层的层数，一阶段每个分层集合为内部二阶段分层结果的并集，则 Ri = Ril U Ri2 U · · · U Rij(j = 1,2—M)
3.根据权利要求2所述的高效抽样方法，其特征在于利用历史遥感产品数据建立两阶段分层标志(农作物种植面积多年变化率，面积规模)进行两阶段分层抽样，采用累计平方根法确定最优分层的划分点，即根据分层标志y的密度函数f(y)的开方累计计算分层。
全文摘要
本发明涉及一种以历史遥感产品数据建立抽样框和设计辅助变量实现作物面积测量的高效的抽样方法。CACVM和Mean分别代表抽样单元内多年作物种植面积的变化率和平均规模。将此两个指标分别用做一个两阶段分层抽样方法的一阶段和二阶段分层的分层标志。以北京市冬小麦种植面积最集中的大兴、房山、顺义和通州四区县作为研究区进行试验，对本发明方法的有效性进行评价。
文档编号G01B21/28GK102175209SQ20101057675
公开日2011年9月7日 申请日期2010年12月7日 优先权日2010年12月7日
发明者何浩, 张锦水, 潘耀忠, 胡潭高, 赵莲 申请人:北京师范大学