CN104281765A - 一种基于cdl数据的美国农作物面积遥感抽样估算方法 - Google Patents

Abstract

本发明属于农业遥感技术领域，提供一种基于CDL数据的美国农作物面积遥感抽样估算方法，可以得到美国作物面积总量用于相关部门的决策与研究。本发明以冬小麦为例，技术要点包括：第一步，确定抽样调查的目标为美国冬小麦；第二步，参考上一年CDL中冬小麦的空间分布构建40km×40km抽样框；第三步，分层随机抽样设计(面积规模做分层标志，累计频数直方图法分层，奈曼分配法分配样本)；第四步，编程订购样本影像与解译；第五步，结果估算。

Description

一种基于CDL数据的美国农作物面积遥感抽样估算方法

【技术领域】

本发明涉及导航遥感领域，是一种抽样估算方法，以上一年美国CDL数据建立抽样框和设计分层抽样方案实现农作物面积监测。

【背景技术】

在全球一体化进程中，保障国家粮食安全的压力持续增大，国际农产品贸易形势复杂而严峻，全球农业遥感监测日趋重要，美国和欧盟在全球农业遥感监测中处于领先地位，他们都在自主遥感数据源研究与应用的基础上，实现了全球农业遥感监测，取得巨大经济效益。仅美国农业部外国农业局(USDA-FAS)负责的国外农作物遥感面积估算和估产，每年为美国在世界粮食贸易市场中获益达5亿-18亿美元。我国由于缺乏基于自主卫星数据源的支撑，尚未建立业务化运行的国外重点地区农业遥感监测技术方法，不能及时监测国外重点地区主要农作物面积种植情况。随着资源一号02C卫星(简称ZY-102C)、资源三号卫星及一系列后续国产卫星的先后发射，国产卫星正逐渐可以保证抽样要求的遥感数据，完成国外重点地区的农作物面积监测。由于美国冬小麦的在全球粮食贸易中具有重要地位，加上美国CDL等数据(含冬小麦历年空间分布情况和耕地分布)可以从互联网下载，因此本专利提出的问题是如何应用自主遥感数据监测美国冬小麦面积，也为其他作物的监测提供参考方法。

美国小麦生产概况：小麦总面积33994万亩，其中冬小麦25374万亩，春小麦7284万亩，杜兰小麦1335万亩。冬小麦占全部小麦播种面积的74.64％。(来自美国农业部2012年6月29日发布的报告)。

本项专利技术调查的冬小麦包括：硬红冬麦(Hard Red Winter)、软红冬麦(Soft Red Winter)、硬白麦(White Winter)、黑麦(Rye)、黑小麦(Triticale)。(据2012CDL数据：黑麦和黑小麦占冬小麦的1.7％)

【发明内容】

本发明要解决的技术问题在于，设计一套基于CDL数据的美国农作物面积抽样调查方案，需要设计的内容有：抽样总体、样本量大小、抽样单元大小、分层标志、抽样方法、样本量分配方法。

该方案利用上一年CDL数据中构建抽样框，利用每一个抽样单元上的面积规模做分层标志，按最小样本量计算公式计算样本量，抽样单元大小是40km×40km，分层标志是每个抽样单元上的作物面积规模，采用分层随机抽样方法，样本量分配按奈曼分配法。

【附图说明】

图1美国冬小麦面积遥感抽样调查技术路线图

图2美国抽样框和抽选样本示意图

图3美国冬小麦抽样监测示意图

【具体实施方式】

下面结合附图说明具体实施方式，图1为本专利的技术路线图，按实施流程是确定抽样调查目标、构建基于CDL的抽样框，设计分层抽样方法，获取样本与解译，结果估算与验证。

1.确定遥感抽样调查目标

抽样调查的目标是美国本土境内的冬小麦面积。

2.基于CDL的抽样框建设

图2为美国抽样框和抽选样本示意图，抽样单元总数N=4104，大小40km×40km。

CDL数据是美国农业部通常于每年1月份发布上一年美国全覆盖全品种农作物空间分布图，通过一系列空间分析提取其中的上一年冬小麦空间分布后，可以将其用于下一年冬小麦抽样监测的分层指导信息和抽样总体信息，基于2012年CDL中冬小麦的空间分布得到N=4104。

抽样单元大小和倾角设计，为了提高遥感影像的利用效率，考虑当前数据源的幅宽(02C多光谱60km×60km，ZY3多光谱51km×51km)，考虑02C星和ZY3卫星的运行轨道，将抽样单元的大小设为40km×40km，抽样单元的倾角如图所示。

3.分层抽样设计

抽样和反推通过C++编程实现。分层标志采用每个抽样单元中的2012年CDL中冬小麦面积规模做分层标志。采用累计频率直方图法分6层，这是因为研究证明(杜子芳，2004)层数大于6时，方差的减小速度将大为减缓。

所需最小样本容量由下式确定：

$n=\frac{Z_{\mathrm{\α}/2}^2\underset{i=1}{\overset{L}{\mathrm{\Σ}}}{\left(N_i{S}_i\right)}^2}{N^2{\mathrm{\Δ}}^2+Z_{\mathrm{\α}/2}^2\underset{i=1}{\overset{L}{\mathrm{\Σ}}}{N}_i{S}_i^2}$      公式1

当Δ=5％，α=0.05。带入2012年中CDL全样本信息得到，最小样本量是：100个，抽样比2.43％；当Δ=7％，α=0.05。带入2012年中CDL全样本信息得到，最小样本量是：55个，抽样比1.33％。受制于数据源，实际抽取的样本是：61个，占1.49％。

采用奈曼分配法分配样本，方差大的层多分配样本(多获取影像)，方差小的层少分配样本(少获取影像)。奈曼分配公式如下：

$n_i=n\frac{N_i{S}_i}{\underset{i=1}{\overset{L}{\mathrm{\Σ}}}{N}_i{S}_i}$      公式2

总体总值，分层随机抽样的总体总值的无偏估计量为各层估计量的和：

${\hat{Y}}_{\mathrm{st}}=\underset{h=1}{\overset{L}{\mathrm{\Σ}}}{\hat{Y}}_h=N_h\stackrel{\‾}{y_h}$      公式3

总体方差，总体总值的方差的无偏估计量为各层方差的和：

$V\left({\hat{Y}}_{\mathrm{st}}\right)\underset{h=1}{\overset{L}{\mathrm{\Σ}}}V\left({\hat{Y}}_h\right)=\underset{h=1}{\overset{L}{\mathrm{\Σ}}}(N_i-n_h)\frac{{s_h}^2}{n_h}$      公式4

在正态分布的假设条件下，总体总量的置信水平为1-α时的置信区间为：

${\hat{Y}}_{\mathrm{st}}\±u_{\mathrm{\α}/2}\sqrt{V\left({\hat{Y}}_{\mathrm{st}}\right)}$      公式5

相对误差，估计值减去伪真值，对其结果取绝对值，用绝对值除以伪真值：

$R=|\hat{P}-P|/P$       公式6

式中，N_h为第h层的总体样本数；

n_h为第h层的抽样样本数；

为第h层的样本平均值，

s_h为第h层的样本方差，

R代表相对误差；

代表估计值；

P代表伪真值。

4.抽样单元的实际影像获取与解译

使用数据采用02C和TM卫星，所有数据详见下表。

表1使用数据表

几何校正的底图采用1990-2000年的美国15mETM镶嵌图。解译采用决策树或面向对象分类方法，辅以必要的目视修正。

5.估算结果

在93％的置信水平下，得到的抽样估算结果是：(21975.6±1389.4)万亩。为了使遥感估算结果更接近与实际真值，采用两年变化率系数，修正美国农业部2012年官方核定值(2013年6月28日发布报告中的2012年美国冬小麦面积)，得到2013年美国冬小麦修正后结果为25950.5万亩，较上年的25374.8万亩增加576.7万亩，增幅为2.3％。

具体公式是：2013年美国冬小麦修正后结果=美国农业部2012年官方核定值×(2013抽样估算冬小麦面积／2012年CDL冬小麦面积)=25374.8万亩×(21975.6万亩／21487.2万亩)=25950.5万亩。

以上内容是结合具体实施方式对本发明所作的详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (2)

1.一种基于CDL数据的美国农作物面积遥感抽样估算方法，其特征主要包括以下步骤： 

第一步，确定抽样调查的目标为美国冬小麦； 

第二步，参考上一年CDL中冬小麦的空间分布构建40km×40km抽样框； 

第三步，分层随机抽样设计(面积规模做分层标志，累计频数直方图法分层，奈曼分配法分配样本)； 

第四步，编程订购样本影像与解译； 

第五步，结果估算。 

2.根据权利1所述抽样方法，本专利的特征之一是用一年CDL中冬小麦的空间分布构建抽样框，并用每个抽样单元上的冬小麦面积规模做分层标志。50km×50km、30km×30km等相近尺度。