CN1794283B - 一种农作物轮作周期的最优遥感评估方法 - Google Patents

Abstract

本发明涉及一种农作物轮作周期的最优遥感评估方法，涉及农业及相关领域，评估对象为使农作物生产取得生态和经济效益的轮作周期。首先选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域，然后对遥感影像中最优轮作区域的农作物在空间上的变化进行解译，并将解译结果作为估算农作物轮作周期的数据，再建立相关的公式并代入解译数据来估算农作物的实际轮作周期作为最优轮作周期，最终再将其它轮作区域的该农作物的轮作周期与最优轮作周期比较，实现对该农作物轮作周期的最优评估，该方法具有高效、简单、客观、易于应用等特点，可广泛用于所有农作物轮作周期的最优评估。本发明进一步涉及实现这种方法的技术。

Description

一种农作物轮作周期的最优遥感评估方法

技术领域  本发明涉及农业及相关领域，用于在大地理区域中评估农作物的轮作周期，实现对农作物轮作的科学管理。

背景技术  通常将在同一地块上，一种作物种植一定的时间后，再种植另一种作物一定的时间，并且一直交替下去的过程称为作物轮作，这两种时间分别称为从一种作物到另一种作物的轮作时间，也称为轮作周期。轮作是作物主要的耕作栽培模式之一，显著降低了农药的使用量，改善了生态环境，具有较高的经济、社会和生态效益。我国不仅在南方地区水旱以及旱旱轮作广泛应用，而且在北方地区轮作也广泛应用，如玉米与大豆的轮作就具有明显的生态和经济效益，国家每年投资近亿元用于补助实施大豆与玉米轮作的农户。在世界范围内，轮作同样也正在成为提高农业生产的生态和经济效益的关键技术，但是要提高轮作的效益，就必须研究作物轮作水平或周期的实际变化，对轮作周期进行评估，并根据评估结果对农作物轮作进行科学管理，而如何在大地理区域范围内评估农作物的轮作周期一直是农业领域中面临的一个难题，这个问题的解决对于制定相应的作物轮作管理策略，提高农业生产的经济、社会和生态效益具有十分重要的意义。导致这一问题出现的主要原因是：并不知道如何准确的估算农作物轮作周期以及周期究竟应该与什么样的参照标准进行比较，由于缺乏估算方法和比较标准，所以根本就不可能对农作物轮作周期进行客观评估。

由于受技术手段的限制，多年来，关于农作物轮作周期问题的研究受18、19世纪的一些经典说法的约束，由于缺少估算方法，进展很少，通常认为农作物轮作周期为2到5年不等，争议较大，有关农作物轮作周期估算和评估的研究尚未见客观的报道，许多教科书上类似的说法与我国的实际生产情况相距甚远，并没有得到科学的验证，仅仅是对经验的总结，因此，农作物轮作周期的估算和评估实际上由古至今一直是一个悬而未决的问题。

本发明的目的是采用一种新方法对农作物轮作周期进行最优遥感评估。首先选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域，然后对遥感影像中最优轮作区域的农作物在空间上的变化进行解译，并将解译结果作为估算农作物轮作周期的数据，再建立相关的公式并代入解译数据来估算农作物的实际轮作周期作为最优轮作周期，最终再将其它轮作区域的该农作物的轮作周期与最优轮作周期比较，实现对该农作物轮作周期的最优评估，该方法具有高效、简单、客观、易于应用等特点，可广泛用于所有农作物轮作周期的最优评估。本发明进一步涉及实现这种方法的技术，可广泛用于对所有农作物的轮作周期进行最优遥感评估。

发明内容  本发明首先选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域，再将从有限多个在年份上两两连续的卫星遥感影像上解译出来的在大地理范围内分布的该轮作区域中的所有同一地块上不同年份的农作物轮作的基本数据，根据地理范围的大小不同，分别按市、县、乡或村为单位来计算农作物的轮作周期，再根据从一种作物到另一种作物轮作顺序不同，他们的轮作周期也不尽相同的结论，运用在轮作为平稳随机过程基础上建立的公式来估算不同顺序农作物的轮作周期，并将在最优轮作区域中求得的农作物的轮作周期作为该农作物的最优轮作周期，再将其它轮作区域的该农作物的轮作周期与最优轮作周期比较，又将评估划分为仅仅与某一时刻有关的静态评估和与不同时刻有关的动态评估，定义相关的评估指标，实现对该农作物轮作周期的静态和动态的最优评估。因此，选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域，再将有限多个在年份上两两连续的卫星影像的解译结果用于高精度估算最优轮作区域内农作物的实际轮作周期，最后将该轮作周期作为该农作物的最优轮作周期，再将其它轮作区域的该农作物的轮作周期与最优轮作周期比较，又将评估划分为仅仅与某一时刻有关的静态评估和与不同时刻有关的动态评估，定义相关的评估指标，实现对该农作物轮作周期的静态和动态的最优评估的方法成为本发明的重要特征。

本发明农作物轮作周期的最优遥感评估方法的技术方案是：

首先，选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域，再对获取的覆盖最优轮作区域的农作物的遥感影像进行解译，获得每个乡或镇(市或县)的农作物轮作数据；再运用农作物轮作周期估算公式对该轮作数据进行分析，获得农作物实际轮作周期或最优轮作周期；再将其它轮作区域的该农作物的轮作周期与最优轮作周期比较，又将评估划分为仅仅与某一时刻有关的静态评估和与不同时刻有关的动态评估，定义相关的评估指标，实现对该农作物轮作周期的静态和动态的最优评估。

本发明的农作物最优轮作区域的选择主要包括六个步骤，首先选择若干个侯选农作物轮作区域，区域的划分按行政区划，或者按农业区划；其次，对不同的轮作区域的轮作机会和成本进行评估，选择轮作机会多而且轮作成本低的区域作为侯选区域；第三，分析在防治与轮作有关的病虫害方面所使用的农药的数量，选择使用农药量少的区域作为侯选区域；第四，分析轮作病虫害造成农作物产量的减少情况，选择减产量少的区域作为候选区域；第五，分析轮作增加农作物产量的情况，选择增产多的区域作为侯选区域；第六，采用比较优势的分析方法，对上述各种因素进行综合评估，确定在轮作条件，经济和生态效益方面具有明显优势的区域作为农作物的最优轮作区域。

本发明的农作物遥感影像解译主要包括四个步骤，首先对原始影像进行几何校正，线性拉伸增强等预处理；其次根据野外实地调查确定轮作农作物以及其他作物的解译标志；然后再通过人工目视解译，从影像中提取轮作农作物的信息并生成含轮作农作物图斑的解译图件，之后，对该图件实地验证检查，对有问题的图斑进行修正，使图件的解译准确可靠；最后生成包含轮作农作物的矢量化解译图件，并通过地理信息系统对解译图件进行空间分析处理，获得轮作农作物的轮作数据。

研究农作物轮作的周期，通常必须对轮作区域进行多年观察，并且对所获得的数据进行统计分析，才能获得令人信服的结果，因此，本发明利用从有限多个在年份上两两连续的遥感卫星影像中获得的数据来估算农作物的轮作周期。有限多个在年份上两两连续的遥感卫星影像是指选取的多年遥感卫星影像在年份上每两幅影像是连续的，但连续的每两幅影像之间在年份上容许是间断的。

本发明设计的农作物轮作周期估算公式，除了利用有限多个在年份上两两连续的遥感卫星影像监测外，采用了对轮作区域内所有乡镇的农作物轮作水平同时观察的方法，来估算一个理想化的典型乡镇的农作物轮作水平(对市、县可同样的讨论)，相当于将乡一级的随机试验样本数量扩大到多个，以更加准确地推算出该区域的农作物的轮作周期，其依据为：各个乡镇以及各个农户之间在轮作及耕作栽培管理上具有明显的相互独立性，基本符合统计学上对样本独立性的要求；农作物轮作的周期性反映在用随机过程描述的作物轮作过程时，该过程具有平稳性，在统计学上就相当于每年农作物轮作的数量应大致相同，可根据每年农作物轮作的数量估算出完成整个农作物轮作所需要的时间或周期；有限多个在年份上两两连续的多个乡镇的独立样本在数量上对于研究具有平稳性的乡一级的农作物轮作过程的统计特征或周期来说，应该是足够大。

现在，以棉花与水稻轮作为例来说明农作物轮作周期估算公式，但本公式适用于所有农作物轮作周期的估算是本发明的重要特征。

在有限多个在年份上两两连续的遥感卫星影像监测的相邻两年中，用“棉/稻”表示上一年种棉花的地块在下一年种了水稻的面积。对于给定的地块，如果“棉_i/稻_i+1”表示在此地块上，第i年种棉花而第i+1年种水稻的面积，则下一年种水稻占上一年种棉花面积的比例即“水稻的面积_i+1/棉花的面积_i”被定义为此地块i年到i+1年的棉稻轮作因子或简称为此地块i年的棉稻轮作因子，并且用CRRF_i(Cotton-Rice Rotation Factor)来表示，

${\mathrm{CRRF}}_i=\frac{{\mathrm{NRA}}_i}{{\mathrm{CCA}}_i};$

其中CCA_i为对于给定的地块在第i年种棉花的面积；NRA_i为CCA_i中，第i+1年种水稻的面积。

假设仅有棉花与水稻在某一给定的地块上进行轮作，对此地块连续监测N年，这一轮作过程用具有明显周期性的平稳随机过程来描述，而且在此地块上，棉稻轮作因子为CRRF_i(i＝1，……，N-1)，则棉花与水稻的轮作周期CRRP(Cotton-Rice Rotation Period)为

$\mathrm{CRRP}=\underset{N\→\∞}{\lim }\frac{1}{N-1}\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}\frac{1}{{\mathrm{CRRF}}_i};$

由于实际上观察的年数N是有限的，因此当N足够大时，棉稻轮作周期CRRP的近似值：

$\stackrel{\‾}{\mathrm{CRRP}}=\frac{1}{N-1}\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}\frac{1}{{\mathrm{CRRF}}_i}.$

由于棉花与水稻轮作过程用具有明显周期性的平稳随机过程来描述，因此每年棉花轮作的数量在统计学上应该大致相同，而且棉花与水稻轮作周期是存在并可计算的。

因为仅有棉花与水稻在给定的地块上进行轮作，所以根据CRRF_i的定义，在给定“上一年棉花面积”CCA_i的情况下，如果每年有“棉/稻”面积NRA_i改种水稻，则年可将“上一年棉花面积”改种完，故CRRP_i＝1/CRRF_i成立。

假设所要求的周期CRRP是随机变量ξ的数学期望E(ξ)，那么近似确定CRRP的方法是对ξ进行N次重复抽样，产生相互独立的ξ值的序列ξ₁，.....，ξ_N(ξ₁＝1/CRRF₁，........，ξ_N＝1/CRRF_N)，则其算术平均值

${\stackrel{\‾}{\mathrm{\ξ}}}_N=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ξ}}_i;$

根据强大数定理，

$P(\underset{N\→\∞}{\lim }{\stackrel{\‾}{\mathrm{\ξ}}}_N=\mathrm{CRRP})=1;$

因此，当N充分大时，

${\stackrel{\‾}{\mathrm{\ξ}}}_N\≈E\left(\mathrm{\ξ}\right)=\mathrm{CRRP};$

成立的概率等于1，因此可用作为所求量CRRP的估算值。

根据上述定理，利用对轮作区域的M个乡镇连续N年卫星监测数据，计算该轮作区域的棉稻轮作周期，

$\stackrel{\‾}{\mathrm{CRRP}}=\frac{1}{N-1}\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}\frac{1}{\mathrm{CRR}{F}_i}=\frac{1}{N-1}\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}\left(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{{{\mathrm{CCA}}_{\mathrm{ij}}}^2}{{\mathrm{NRA}}_{\mathrm{ij}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{CCA}}_{\mathrm{ij}}}\right);$

其中M为乡镇总数；NRA_ij为第j个乡镇在第i年种棉花的面积中，在第i+1年种水稻的面积；CCA_ij为第j个乡镇在第i年种棉花的面积。

同理，对于水稻与棉花轮作的情况，可推出计算轮作区域的稻棉轮作周期公式

$\stackrel{\‾}{\mathrm{RCRP}}=\frac{1}{N-1}\underset{i=2}{\overset{N-1}{\mathrm{\Σ}}}\frac{1}{\mathrm{RCR}{F}_i}=\frac{1}{N-1}\underset{i=2}{\overset{N}{\mathrm{\Σ}}}\left(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{{{\mathrm{CCA}}_{\mathrm{ij}}}^2}{{\mathrm{NRA}}_{\mathrm{ij}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{CCA}}_{\mathrm{ij}}}\right);$

其中M为乡镇总数；RCRF_i为i年种棉花的面积中有多少在i-1年种水稻；NCA_ij为第j个乡镇在第i-1年种水稻的面积中，在第i年种棉花的面积；CCA_ij为第j个乡镇在第i年种棉花的面积。

对轮作顺序不加区分，稻与棉或棉与稻轮作周期则是指稻棉轮作周期与棉稻轮作周期的算术平均值，

$\stackrel{\‾}{\mathrm{CRCRRP}}=(\stackrel{\‾}{\mathrm{CRRP}}+\stackrel{\‾}{\mathrm{RCRP}})/2.$

由于在选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域中，农户均具有根据实际情况自动调整轮作周期的能力，所有农户的这种能力在统计学上，将使整个区域的轮作周期在总体上趋向于最优，所以估算出的农作物轮作周期就是该农作物在最优轮作区域以及所有其它区域的最优轮作周期。

因此，可根据上述公式估算出最优轮作区域中农作物的实际轮作周期，并将该周期作为该农作物的最优轮作周期。

本发明设计的农作物轮作周期的最优遥感评估方法如下：

农作物轮作周期的最优遥感评估分为静态评估和动态评估，静态评估是指仅仅对每一个单独年份的农作物轮作周期进行评估，动态评估是指在静态评估的基础上，进一步评估不同年份农作物轮作的最优遥感评估指标的变化情况，用于研究农作物轮作周期或水平好坏变化的趋势，但本方法适用于所有农作物轮作周期的最优遥感评估是本发明的重要特征。

静态评估

农作物i与农作物j进行轮作，用于提高农作物生产的生态和经济效益，则用下述公式来估算在农作物i与农作物j进行轮作时，相关的农作物轮作周期的最优遥感评估指标δ_ijs：

δ_ijs＝f(x₁，x₂，x₃)；

其中：f(x₁，x₂，x₃)为求δ_ijs值的函数；变量x₁为农作物i的实际轮作周期；变量x₂为农作物i的最优轮作周期；变量x₃为与评估指标的最大值、农作物i、农作物j、农作物轮作病虫害、耕作栽培方式、轮作区域的地理条件以及其它生态和经济因素有关的量。

f(x₁，x₂，x₃)为多元线性回归函数，求δ_ijs值时有：

δ_ijs＝f(x₁，x₂，x₃)＝a₁x₁+a₂x₂；

其中：回归系数a₁和a₂与评估指标的最大值、农作物i、农作物j、农作物轮作病虫害、耕作栽培方式、轮作区域的地理条件以及其它生态和经济因素有关。通过在农作物i的轮作区域，根据实际轮作周期的不同，设置若干个样方，再在每个样方中设定δ_ijs实际值，并根据相对应的x₁和x₂的值，用回归的方法确定系数a₁和a₂的值。

通过上述多元回归方程对样方中的实际数据的处理，并且令x₁＝CRTP_ij，x₂＝CRTN_ij，回归系数a₁和a₂用系数S_ij和F_ij来取代，得到求δ_ijs值的更简单的公式如下：

δ_ijs＝S_ij-F_ij×(CRTP_ij-CRTN_ij)；

其中：(1)S_ij为农作物i和农作物j轮作所能得到的评估指标δ_ijs的最大值，即规定δ_ijs的最大值为S_ij，0≤δ_ijs≤S_ij，实际上δ_ijs为负值时表示评估的轮作水平太低。

(2)F_ij为与农作物i和农作物j、轮作病虫害、耕作栽培方式以及轮作区域的地理条件等有关的系数，用于对δ_ijs进行规范化，使δ_ijs更加合理。

(3)1≤CRTP_ij＜∞，1≤CRTN_ij＜∞。

根据估算的农作物i与农作物j的实际轮作周期，应用上式估算出该农作物i的评估指标δ_ijs的值，δ_ijs的值越大说明轮作水平越高，从而实现静态对农作物轮作周期的最优遥感评估。

动态评估

定义δ_ijs′为农作物i轮作周期的最优遥感评估指标δ_ijs的导数，用于对δ_ijs的动态变化进行最优评估：

${{\mathrm{\δ}}_{\mathrm{ijs}}}^{\′}=\frac{{\mathrm{d\δ}}_{\mathrm{ijs}}}{\mathrm{dt}}=\frac{f_2(x_1,x_2,x_3)-f_1(x_1,x_2,x_3)}{t_2-t_1};$

此式表示在两个不同时刻t₂和t₁之间，δ_ijs的差值与在两个不同时刻之间所经历的时间的比值，两个不同时刻是指两个不同的年份，而时间则是在两个不同的年份之间所经历的年数，这个值反映了农作物i轮作周期的最优遥感评估指标δ_ijs的变化趋势。

根据估算的农作物i与农作物j的实际轮作周期，应用上式估算出该农作物i的评估指标δ_ijs的值，进一步估算出δ_ijs′的值，对于研究δ_ijs未来变化趋势来说t₂-t₁＞0，所以δ_ijs′＜0且|δ_ijs′|的值越大说明轮作水平向好的方向变化的趋势越强，从而实现动态对农作物轮作周期的最优遥感评估。

根据上述定义的评估指标，将估算的实际农作物i轮作周期与最优农作物i轮作周期进行比较，就实现静态和动态对农作物轮作周期的最优遥感评估。

具体实施方式

实施例1

求棉稻最优轮作周期。

根据农作物最优轮作区域选择的六个步骤，首先按行政区划在长江流域选择所有棉稻轮作(市)县作为侯选农作物轮作区域；其次，对每个(市)县的棉稻轮作机会和成本进行评估，选择轮作机会多而且轮作成本低的为侯选区域；第三，分析每个(市)县在防治与棉稻轮作有关的病虫害方面所使用的农药的数量，选择使用农药量少的区域作为侯选区域；第四，分析每个(市)县轮作病虫害造成棉稻产量的减少情况，选择减产量少的区域作为侯选区域；第五，分析轮作增加农作物产量的情况，选择增产多的区域作为侯选区域；第六，采用比较优势的分析方法，对所有棉稻轮作(市)县的上述各种因素进行综合评估，确定在轮作条件，经济和生态效益方面具有明显优势的江苏省苏北某市作为棉稻的最优轮作区域。

江苏省苏北某市为全国著名的农业大市，位于里下河农区，总面积2393平方公里，人口155万，辖45个乡镇，现有耕地13万公顷，水域面积为全市总面积的四分之一，是国家商品粮和优质棉基地，年产粮食110万吨、棉花4万吨，与水稻、棉花同期生长的作物有玉米、大豆、山芋、蔬菜等。研究区域主要为棉花与水稻轮作，此外棉花也与其它作物轮作，但不是主流轮作模式。

研究采用的卫星影像为11937的陆地7号卫星影像和轨道号为11937的陆地5号卫星影像，覆盖了上述研究区域，影像的每个像元或栅格的尺寸为30米×30米。在研究区域，对稻棉和棉稻轮作进行观察的最佳时相为7月到8月。因此，我们选择的四期TM影像的日期为2001年7月26日、2002年7月29日、2003年7月24日、2004年7月26日，影像质量符合解译要求。

根据上述棉稻轮作周期公式 $\stackrel{\‾}{\mathrm{CRRP}}=\frac{1}{N-1}\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}\frac{1}{\mathrm{CRR}{F}_i}=\frac{1}{N-1}\underset{i=1}{\overset{N-1}{\mathrm{\Σ}}}\left(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{{{\mathrm{CCA}}_{\mathrm{ij}}}^2}{{\mathrm{NRA}}_{\mathrm{ij}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{CCA}}_{\mathrm{ij}}}\right),$ 对遥感影像解译获得的数据进行分析，结果如表1所示。

表1苏北某市2001年到2004年棉稻轮作水平遥感调查(面积单位：公顷，周期单位：年)

根据表1，2001年到2004年植棉面积波动较大，例如，从2001年到2002年，面积下降21.62％；从2002年到2003年，面积上升6.55％；而从2003年到2004年，面积继续上升8.05％。同期，各乡镇的植棉面积波动也很大，面积增加的乡镇，2001年到2002年为10个；2002年到2003年为20个；2003年到2004年为25个。乡镇植棉面积增加的个数，基本上反映了苏北某市植棉面积增减的总趋势。从周期变化方式的特点来看，根据2001年到2002年的数据计算的棉稻轮作周期为2.01年；根据2002年到2003年的数据计算棉稻轮作周期为3.42年；根据2003年到2004年的数据计算的棉稻轮作周期为3.01年；差异较大，但基本上反映了从2001年以来，特别是2001年，苏北某市各乡镇种植业调整对棉稻轮作的影响。从总体上来看，由连续4年对棉稻轮作周期监测的三个周期数据的算术平均值获得的平均周期为2.81年，与我国明朝科学家徐光启的2到3年(平均约为2.5年)的说法仅相差12.40％，比较接近。

根据上述估算出的最优轮作区域江苏省苏北某市的棉稻实际轮作周期，即可推断我国棉稻的最优轮作周期为2.81年，实际应为2年或3年。

实施例2

求稻棉最优轮作周期。

最优轮作区域以及研究采用的卫星影像的选择同实施例1。

根据上述稻棉轮作周期公式 $\stackrel{\‾}{\mathrm{RCRP}}=\frac{1}{N-1}\underset{i=2}{\overset{N}{\mathrm{\Σ}}}\frac{1}{\mathrm{RCR}{F}_i}=\frac{1}{N-1}\underset{i=2}{\overset{N}{\mathrm{\Σ}}}\left(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\frac{{{\mathrm{CCA}}_{\mathrm{ij}}}^2}{{\mathrm{NRA}}_{\mathrm{ij}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{CCA}}_{\mathrm{ij}}}\right),$ 对遥感影像解译获得的数据进行分析，结果如表2所示。

表2苏北某市2001年到2004年稻棉轮作水平遥感调查表(面积单位：公顷，周期单位：年)

根据表2，稻棉轮作平均周期为2.89年，即可推断我国稻棉的最优轮作周期为2.89年，与棉稻最优轮作周期2.81年十分接近，两者仅相差2.85％，实际应为2年或3年，完全一致，说明从棉花到水稻的轮作面积与从水稻到棉花的轮作面积基本相同，这一现象符合轮作的基本规律，也符合上述关于轮作过程是具有周期性以及平稳性的随机过程的假设，并且说明本发明的轮作估算公式是合理的，遥感解译的精度达到了试验的要求，综合二者结果可得到不考虑轮作顺序的我国棉花最优轮作周期为2.85年，实际应为2年或3年。

由于在棉稻轮作周期和稻棉轮作周期的计算中，采用了不同的解译面积，前者为当年种棉花下年种水稻的面积，而后者为上年种水稻当年种棉花的面积，二者具有相对的独立性，可以作为互为正确性验证的依据。因此，可以利用计算的棉稻与稻棉周期结果之间的差异，作为检验遥感影像解译精度、轮作周期估算准确性的重要指标，在实际应用中具有重要的理论和实践价值。

实施例3

棉稻轮作周期的最优遥感评估

表3苏北某市棉稻轮作周期的最优遥感评估

根据农作物轮作周期的最优遥感评估方法，对苏北某市乡镇的棉稻轮作周期的最优遥感评估的结果如表3所示，其中：两次实际轮作周期的估算时间相隔t₂-t₁＝2年，最优轮作周期CRTN_ij＝2.85，评估指标δ_ijs的最大值S_ij＝100，系数F_ij＝23.47。在静态分析栏δ_ijs1和δ_ijs2中，分别给出对两次各乡镇实际轮作周期的最优遥感评估结果，而在动态分析栏δ_ijs′中，给出了两次实际轮作周期最优遥感评估的动态变化的分析，共有27个乡镇轮作周期向最优轮作周期逼近，轮作周期的总的趋势是向好的方向发展，也说明该区域的轮作管理策略是有效的。

Claims (7)

1.一种农作物轮作周期的最优遥感评估方法，评估对象为使农作物生产取得生态和经济效益的轮作周期；首先在大地理区域中选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域，然后对遥感影像中最优轮作区域的农作物在空间上的变化进行解译，并将解译结果作为估算农作物轮作周期的数据，再建立相关的公式并代入解译数据来估算农作物的实际轮作周期作为最优轮作周期，最终再将其它轮作区域的该农作物的轮作周期与最优轮作周期比较，实现对该农作物轮作周期的最优评估； 

首先在大地理区域中选择农作物轮作条件、生态和经济效益均为最好的轮作区域作为最优轮作区域是指农作物最优轮作区域的选择主要通过六个步骤来实现，首先选择若干个侯选农作物轮作区域，区域的划分按行政区划，或者按农业区划；其次，对不同的轮作区域的轮作机会和成本进行评估，选择轮作机会多而且轮作成本低的区域作为侯选区域；第三，分析在防治与轮作有关的病虫害方面所使用的农药的数量，选择使用农药量少的区域作为侯选区域；第四，分析轮作病虫害造成农作物产量的减少情况，选择减产量少的区域作为侯选区域；第五，分析轮作增加农作物产量的情况，选择增产多的区域作为侯选区域；第六，采用比较优势的分析方法，对这里所述的各种因素进行综合评估，确定在轮作条件，经济和生态效益方面具有明显优势的区域作为农作物的最优轮作区域； 

再建立相关的公式并代入解译数据来估算农作物的实际轮作周期作为最优轮作周期是指下述以C农作物与R农作物轮作为例所描述的数学公式、推导过程、计算结果以及应用方法适用于对所有农作物的轮作周期及空间变化的估算； 

在获得了C农作物与R农作物轮作区域的M个乡镇连续N年遥感卫星影像的解译数据后，用下式来计算C农作物与R农作物轮作周期， 

其中M为乡镇总数；NRA_ij为第j个乡镇在第i年种C农作物的面积中，在第i+1年种R农作物的面积；CCA_ij为第j个乡镇在第i年种C农作物的面积； 

在获得了R农作物与C农作物轮作区域的M个乡镇连续N年遥感卫星影像的解译数据后，用下式来计算R农作物与C农作物轮作周期， 

其中M为乡镇总数；NCA_ij为第j个乡镇在第i-1年种R农作物的面积中，在第i年种C农作物的面积；CCA_ij为第j个乡镇在第i年种C农作物的面积； 

R农作物与C农作物或C农作物与R农作物轮作周期则是指R农作物C农作物轮作周期与C农作物R农作物轮作周期的算术平均值， 

实现对该农作物轮作周期的最优评估是指下述数学公式、推导过程、计算结果以及应用方法适用于对所有农作物轮作周期的最优遥感评估， 

农作物轮作周期最优遥感评估的最优评估分为静态评估和动态评估，静态评估是指仅仅对每一个单独年份的农作物轮作周期进行评估，动态评估是指在静态评估的基础上，进一步评估不同年份农作物轮作的最优遥感评估指标的变化情况，用于研究农作物轮作周期或水平好坏变化的趋势，但本方法适用于所有农作物轮作周期的最优遥感评估是本发明的重要特征； 

静态评估 

假定农作物i与农作物j进行轮作，用于提高农作物生产的生态和经济效益，则用下述公式来估算在农作物i与农作物j进行轮作时，相关的农作物轮作周期的最优遥感评估指标δ_ijs： 

δ_ijs＝f(x₁，x_2, x₃)； 

其中：f(x₁，x₂，x₃)为求δ_ijs值的函数；变量x₁为农作物i的实际轮作周期；变量x₂为农作物i的最优轮作周期；变量x₂为与评估指标的最大值、农作物i、农作物j、农作物轮作病虫害、耕作栽培方式、轮作区域的地理条件以及其它生态和经济因素有关的量； 

f(x₁，x₂，x₃)为多元线性回归函数，求δ_ijs值时有： 

δ_ijs＝f(x₁，x₂，x₃)＝a₁x₁+a₂x₂； 

其中：回归系数a₁和a₂与评估指标的最大值、农作物i、农作物j、农作物轮作病虫害、耕作栽培方式、轮作区域的地理条件以及其它生态和经济因素有关，通过在农作物i的轮作区域，根据实际轮作周期的不同，设置若干个样方，再在每个样方中设定δ_ijs实际值，并根据相对应的x₁和x₂的值，用回归的方法确定系数a₁和a₂的值； 

通过多元回归方程对样方中的实际数据的处理，并且令x₁＝CRTP_ij，x₂＝CRTN_ij，回归系数a₁和a₂用系数S_ij和F_ij来取代，得到求δ_ijs值的更简单的公式如下： 

δ_ijs＝S_ij-F_ij×(CRTP_ij-CRTN_ij)； 

其中：(1)S_ij为农作物i和农作物j轮作所能得到的评估指标δ_ijs的最大值，即规定δ_ijs的最大值为S_ij，0≤δ_ijs≤S_ij，实际上δ_ijs为负值时表示评估的轮作水平太低； 

(2)F_ij为与农作物i和农作物j、轮作病虫害、耕作栽培方式以及轮作区域的地理条件有关的系数，用于对δ_ijs进行规范化，使δ_ijs更加合理； 

(3)1≤CRTP_ij＜∞，1≤CRTN_ij＜∞； 

根据估算的农作物i与农作物j的实际轮作周期，应用上式估算出该农作物i的评估指标δ_ijs的值，δ_ijs的值越大说明轮作水平越高，从而实现静态对农作物轮作周期的最优遥感评估； 

动态评估 

定义δ_ijs′为农作物i轮作周期的最优遥感评估指标δ_ijs的导数，用于对δ_ijs的动态变化进行最优评估： 

此式表示在两个不同时刻t₂和t₁之间，δ_ijs的差值与在两个不同时刻之间所经历的时间的比值，两个不同时刻是指两个不同的年份，而时间则是指在两个不同的年份之间所经历的年数，这个值反映了农作物i轮作周期的最优遥感评估指标δ_ijs的变化趋势； 

根据估算的农作物i与农作物j的实际轮作周期，应用上式估算出该农作物i的评估指标δ_ijs的值，进一步估算出δ_ijs′的值，对于研究δ_ijs未来变化趋势来说t₂-t₁＞0，所以δ_ijs′＜0且|δ_ijs′|的值越大说明轮作水平向好的方向变化的趋势越强，从而实现动态对农作物轮作周期的最优遥感评估； 

根据评估指标，将估算的实际农作物i轮作周期与最优农作物i轮作周期进行比较，就实现静态和动态对农作物轮作周期的最优遥感评估。 

2.根据权利要求1所述的一种农作物轮作周期的最优遥感评估方法，其特征在于所述评 估对象为使农作物生产取得生态和经济效益的轮作周期是指在同一地块上，一种农作物种植一定的时间后，再种植另一种农作物一定的时间，并且一直交替下去的过程称为农作物轮作，所花费的时间称为从一种农作物到另一种农作物的轮作时间，也称为轮作周期，用年份对农作物轮作周期研究的结论同样适用于用其它时间单位对农作物轮作周期的研究，在此基础上，通过遥感在大地理区域中根据生态和经济效益最优对农作物轮作周期进行评估。 

3.根据权利要求1所述的一种农作物轮作周期的最优遥感评估方法，其特征在于所述然后对遥感影像中最优轮作区域的农作物在空间上的变化进行解译是指选取用于解译的多年遥感影像在年份上每两幅影像是连续的，但连续的每两幅影像之间在年份上容许是间断的。 

4.根据权利要求1所述的一种农作物轮作周期的最优遥感评估方法，其特征在于所述然后对遥感影像中最优轮作区域的农作物在空间上的变化进行解译是指对从遥感影像上解译出的数据以相邻的两年为基本组合，每一组合包括前一年被轮作农作物的面积以及在相同的地块上前一年被轮作农作物在下一年改种或轮作为另一种农作物的面积。 

5.根据权利要求1所述的一种农作物轮作周期的最优遥感评估方法，其特征在于所述并将解译结果作为估算农作物轮作周期的数据，再建立相关的公式并代入解译数据来估算农作物的实际轮作周期作为最优轮作周期是指农作物轮作用平稳随机过程来描述，具有周期性并且是能计算的，这里的周期性是在统计学上计算出来的所有参与轮作的一种农作物被另一种农作物轮换种植所需要的年份数。 

6.根据权利要求1所述的一种农作物轮作周期的最优遥感评估方法，其特征在于所述并将解译结果作为估算农作物轮作周期的数据，再建立相关的公式并代入解译数据来估算农作物的实际轮作周期作为最优轮作周期是指参与轮作的甲、乙两种农作物，甲与乙轮作与乙与甲轮作是两个不同的概念，它们的轮作周期不同，对轮作顺序不加区分，甲乙轮作周期则是指甲与乙轮作周期与乙与甲轮作周期的算术平均值。 

7.根据权利要求1所述的一种农作物轮作周期的最优遥感评估方法，其特征在于所述并将解译结果作为估算农作物轮作周期的数据，再建立相关的公式并代入解译数据来估算农作物的实际轮作周期作为最优轮作周期是指相对于大地理区域，按自然乡或村符合独立样本要求的区域来计算这些区域的农作物轮作周期后，再计算大地理区域的农作物轮作周期，将增加计算大地理区域的农作物轮作周期的独立样本数，减少对不同年份遥感影像数量的要求，提高估算农作物轮作周期的精度。