论文部分内容阅读
作物种植面积是目前影响中国国家粮食安全和社会稳定的关键因素。在中国经济高速发展时期，开展作物种植面积遥感估算显得日益重要。近年来，由于粮食价格的波动使得农民种粮积极性受到影响，中国粮食种植面积一再出现波动性下降，导致中国粮食产量连年下跌。粮食种植面积及其变化已经成为中国政府重点关注的内容之一，国家发展需要快速、准确、可靠地监测每年的作物种植面积。但是在中国现行农业种植制度下，利用遥感估算作物种植面积往往程序过于复杂无法开展大范围的运行监测，或者精度无法保证，不能满足国家农作物种植面积遥感监测的需要。“中国农情遥感速报系统”在总结前人技术成果的基础上，提出了基于两个独立抽样框架的作物种植面积运行性估算方法，实现了作物种植面积的快速准确估算。
本论文瞄准国家对作物种植面积遥感监测需求，针对“中国农情遥感速报系统”的大范围作物种植面积遥感估算方法的过程验证与不确定性分析问题展开讨论。本文的研究工作主要包括如下几个方面：
(1)在分析现有监测方法的不足，以及中国作物种植面积遥感估算技术需求的基础上，进一步发展了“中国农情遥感速报系统”大范围作物种植面积遥感估算方法。在区划基础上的作物种植成数监测和分类成数调查等核心算法基础上，根据新的遥感数据源特点，提出了种植成数监测的混合型抽样方案。
(2)通过在实验区开展监测实验进行作物种植成数的精度验证，在作物种植成数遥感监测精度评估的基础上，分析了作物长势、土地利用、作物种植成数自身大小等因子对作物种植成数监测的影响关系。然后通过模拟实验，分析抽样率、影像空间分布、作物种植成数自身大小对作物种植成数遥感监测的影响及敏感性，在此基础上，开展作物种植成数遥感监测误差评估模型建设，提出作物种植成数遥感监测不确定性的控制途径。
(3)以全国实验区资料为基础开展了作物分类成数精度验证，在作物分类成数精度评估的基础上，分析了抽样率、作物空间分布、分类成数自身大小等因子对作物分类成数的影响关系。然后通过模拟实验，分析了抽样率、作物空间分布、作物分类成数大小对作物分类成数抽样调查的影响及敏感性，在此基础上，开展作物分类成数抽样调查误差评估模型建设，提出作物分类成数遥感监测不确定性的控制途径。
(4)在精度验证和不确定性分析的基础上，开展作物种植面积遥感估算的不确定性研究。分析了区划分层、耕地数据库对作物种植面积估算的影响，并建立了作物种植面积遥感估算的误差传播规律。最终形成作物种植面积遥感监测的不确定性分析体系。
研究主要结论如下：
(1)利用遥感监测作物种植成数基本上能够达到较高的精度水平，可以满足运行化遥感监测的需要。数据分析表明，作物长势、遥感数据的时相、空间分辨率以及土地利用数据均会对作物种植成数的遥感监测造成的影响。
(2)作物种植成数遥感监测的抽样率大小(影像覆盖率)对于监测误差的影响明显，随着抽样率的提高，作物种植成数的最大抽样误差逐渐降低，抽样误差变幅显著减小，作物种植成数抽样监测的精确性逐渐提高；作物种植成数监测误差与遥感影像空间分布格局的关系显著，当影像空间分布格局接近均匀分布时，作物种植成数精确度较高，而随着空间分布越来越偏离均匀分布，作物种植成数的抽样误差趋于增加；作物种植成数监测误差还受作物种植成数大小的影响，随着种植成数的增大，作物种植成数抽样误差逐渐趋于减小并稳定，即抽样精确度随着种植成数自身大小的提高而逐渐提高；作物种植成数的空间异质性对作物种植成数抽样误差的影响没有抽样率和影像空间分布所起的作用大。
(3)在采用整群抽样方式监测作物种植成数时，等群抽样的监测误差由每帧影像监测误差的均值来表达，不等群抽样的监测误差为各帧影像的误差加权和除以各帧影像种植成数的加权和，各帧影像的监测误差可以由种植成数大小和休耕地的空间分布进行建模估算；在采用部分地区或混合型全覆盖方案大面积影像覆盖方式监测作物种植成数时，监测误差可以通过抽样率、影像空间分布VMR指标、种植成数自身大小和种植成数空间分布VMR值进行多元统计建模。
(4)作物分类成数精度验证发现，当抽样率能够保证的情况下，作物分类成数调查精度大多都在97％以上，具有很高的精度，完全可以满足运行化遥感估产的需要。由于GVG农情采样系统对于小成数作物的漏采现象以及作物分布的影响，导致GVG农情采样系统出现明显的正误差。同时，作物分类成数大小、采样时间、作物分布格局与地块大小、地块形状以及采样方式等均对作物分类成数的地面调查造成影响。
(5)作物分类成数越高，作物空间分布上越接近于均匀分布，对抽样率的要求比较小，当作物成数较小时，作物空间分布表现出向随机分布发展的趋势，需要较高的抽样率。作物空间格局的年际变化分析表明，在同一地区作物空间分布格局具有相对稳定性；影响作物分类成数调查精度的首要因素是抽样率，对于在某一作物占绝对优势的区域，利用较低的抽样率(<10/0)可以达到较高的抽样精度，对于具有2种或2种以上优势作物，在相互之间成数相差不大的情况下，利用5％的抽样率，对于均匀分布的作物，可以达到90％以上的抽样精度；作物分类成数对自身的抽样误差影响比较大，在相同抽样率条件下，分类成数越大，平均抽样误差越小，作物分类成数自身大小还对抽样误差随抽样率增加的下降速度有较大影响，随抽样率的增加，作物分类成数越大，抽样误差下降越慢，即抽样精度提高越慢；
(6)作物分类成数抽样的误差模型建设表明，可以利用抽样率(里程/面积)、分类成数大小和作物空间分布估算分类成数调查误差，能够通过95％显著性检验。
(7)在作物种植面积估算过程中，耕地面积的影响不大。当耕地数据库对实际有夸大显示，即部分耕地已经转为非耕地情形下，耕地面积对作物种植面积没有影响；当耕地数据库对实际有遗漏显示，即部分耕地未充分表达时，由于新耕地面积所占比重较小，且种植成数偏低，耕地面积对作物种植面积的影响不大。
(8)在作物种植面积估算过程中，作物种植面积遥感估算的误差为作物种植成数误差、作物分类成数误差与其积的和；报告单元的估计误差为各估算单元估计误差的加权平均值。权重即各估算单元作物种植面积占报告单元作物总种植面积的百分比；监测区作物总种植面积的估计误差为各报告单元估计误差的加权平均值。权重即各报告单元作物种植面积占监测区作物总种植面积的百分比。