基于分层抽样的中国水稻种植面积遥感调查方法研究

及时准确的统计水稻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。传统的按行政单元逐级上报和农业产量抽样调查方法在数据获取过程中受人为因素的干扰,难以避免的出现诸如错报、漏报、空报等问题。遥感技术具有及时、准确、客观的特点,对于农作物种植面积监测具有其他方法不可替代的优势。但是,一般的作物面积遥感监测是全覆盖或典型地区调查。在大尺度农作物遥感调查时,全面普查(卫星遥感数据全覆盖)的方法在时间和经费方面是不可行的,以典型调查代替总体的方法缺乏科学依据。科学合理的抽样方法是可运行的大尺度作物面积监测的关键因素。研究在背景数据库的支持下,以土地利用数据库为辅助变量,设计了基于分层抽样的中国水稻种植面积遥感监测方法。以全国稻田面积为总体,采用1∶5万比例尺标准地形图幅为分层抽样的抽样单元。以遥感与地面调查相结合的方法监测样本的当年和上一年水稻种植面积,在给定精度条件下估算水稻种植面积年际变化率。结合上年统计部门发布的水稻种植面积统计数据,推算当年水稻种植面积。该项研究为农业部全国水稻遥感监测提供了可行的大尺度水稻遥感监测的运行方案。

利用时序合成孔径雷达数据监测水稻叶面积指数

为了确定全极化雷达数据监测水稻叶面积指数动态变化的精度,该文对水稻叶面积指数与后向散射系数进行了各生长阶段建模比较。采用广东雷州地区多时相多入射角精细全极化Radarsat-2数据,结合水稻全生育期地面样方实测数据,首先分析多入射角归一化后四极化(vertical-horizontal polarization,VH;vertical-vertical polarization,VV;horizontal-horizontal polarization,HH;horizontal-vertical polarization,HV)、比值极化HH/VV后向散射系数与水稻叶面积指数(leaf area index,LAI)随时间变化特征以及在营养生长阶段、生殖生长阶段和全生育期的相关关系,提取相关系数高于0.8的极化与生长阶段进行水云模型建模,最终生成多期水稻LAI反演分布图,并验证该数据反演水稻各生长阶段LAI的精度,探索SAR数据追踪区域尺度水稻长势的可行性。结果表明,在地形较为平坦的水稻集中连片种植区,VV、HH/VV后向散射系数与LAI在营养生长期、全生育期极显著相关(P<0.01),相关系数均高于0.83。营养生长阶段VV、HH/VV水云模型拟合决定系数分别为0.77、0.87,全生育期VV、HH/VV水云模型拟合决定系数分别为0.73、0.8,营养生长阶段模型优于全生育期模型。精细四极化SAR数据监测区域尺度水稻LAI动态变化具有应用潜力,优选的极化模型为进一步的水稻长势监测提供依据。

作物长势遥感监测指标的改进与比较分析

为改善归一化植被指数(NDVI)作为遥感监测作物长势指标的性能,该文分析了归一化植被指数的内在设计缺陷,在不增加额外波段的情况下,以近红外波段和红色波段为基础引入一种新的作物长势遥感监测指标——GRNDVI。通过在像素和区域层次上同其他4种指数进行比较发现:GRNDVI能够改善归一化植被指数在低植被覆盖度时期/地区容易受到作物冠层土壤背景的影响,而在高植被覆盖度时期/地区又容易发生饱和现象的设计缺陷,可以作为遥感监测作物长势过程中替代归一化植被指数的指标。

农村土地承包经营权要素编码规则研究

建立统一的农村土地承包经营权要素编码规则是开展农村土地承包信息化建设的基础性工作。从农村土地承包经营权的主体、客体和内容出发,将发包方、承包方、承包地块、承包合同、农村土地承包经营权证和农村土地承包经营权证登记簿作为编码对象;基于农村土地承包经营权各要素之间的相互关系,将承包地块和承包方纳入到发包方下进行统一编码,承包合同、经营权证和登记簿编码一致,并且与承包方编码关联;以行政区划编码为基础,提出了各编码要素的代码结构、编码方法和赋码规则。研究对提高农业行政主管部门办事效率和促进农村土地承包信息化建设具有十分重要的理论和实践意义。

基于改进多元纹理信息模型和GF-1影像的县域冬小麦面积提取

作物面积监测具有较强的时效性,应用不断发展的遥感技术能够及时可靠地监测主要作物的种植面积。该文围绕国产高分一号卫星(GF-1)农业应用关键技术,研究县域尺度农作物种植面积快速准确提取的方法。在考虑多光谱遥感影像空间相关性的基础上,利用矩阵分解和距离空间转换等数学工具设计一种改进多元纹理信息(modified multivariate texture,MMT)提取模型,实现基于GF-1遥感影像的改进多元纹理信息提取、纹理与光谱信息融合以及基于融合影像分类的县域尺度冬小麦识别和面积提取。选用冬小麦出苗和越冬2期GF-1宽视场影像,结合地面实测数据和最佳识别时相遥感参考数据,对比分析基于光谱信息、单变量纹理与光谱融合信息、改进多元纹理与光谱融合信息的3种冬小麦识别和面积量算结果,实现对改进多元纹理信息效果以及小区域和较大区域上冬小麦面积提取的精度验证。试验结果表明:1)与基于其他2种传统分类特征信息的结果相比,改进多元纹理信息的加入能够显著提高冬小麦识别精度(出苗期提高4.12%和2.36%,越冬期提高2.59%和0.94%);2)在不考虑影像质量、生育期和地面样方测量精度等客观因素的影响下,基于该文方法的小区域内冬小麦面积提取精度普遍优于90%;3)在冬小麦长势稳定的时相(越冬期),基于该文方法的较大区域冬小麦面积量算结果能够达到接近最佳识别时相(孕穗期)的面积提取精度,二者的一致性程度超过97%。因而,利用GF-1宽视场影像能够有效提取县域尺度冬小麦种植面积,可为农作物监测业务运行提供遥感数据保障。

基于GF-1影像的冬小麦种植面积核算及直补政策实施评价

粮食直接补贴政策的实施,对于促进粮食生产和农民增收、推动农业农村发展发挥了积极的作用。补贴资金发放的精准程度在一定程度上影响着财政资金的支农效率。该文拟研究基于卫星数据进行粮食直补政策落实效果评价的可行性。以安徽省濉溪县为研究区,采用GF-1卫星16 m多光谱影像,在扣除线状地物、小地物的基础上,精准核算冬小麦种植面积。以乡镇为单位,比较统计发放面积与遥感核算面积,完成基于GF-1卫星数据的粮食补贴政策落实效果评价。结果表明:1)全县范围内,冬小麦直补发放统计面积与遥感核算面积较为吻合。直补发放统计面积为1 239.17 km^2,遥感核算面积为1 227.37 km^2,相对误差仅为0.96%;2)在乡镇尺度上,11个乡镇和1个开发区中共5个乡镇直补发放统计面积与遥感核算面积的相对误差<10%,8个乡镇<13%。相对误差最大的开发区、濉溪镇2个乡镇,以工商业用地为主,冬小麦种植面积少,地块零碎,遥感解译难度大。整体上,直补发放统计面积与遥感核算面积的Nash-Sutcliffe系数(Nash-Sutcliffe coefficient,ENS)为0.90,决定系数为0.93,两者相关程度较高。研究可为改进完善粮食补贴政策提供参考提供依据。

利用HJ-1-A/BCCD2数据反演冬小麦叶面积指数

叶面积指数是十分重要的作物生理生态参数,为提高利用国产环境减灾小卫星CCD数据反演冬小麦叶面积指数的精度,该文以5种常用的植被指数(归一化差值植被指数(normalized difference vegetation index,NDVI),增强植被指数(enhanced vegetation index,EVI),双波段增强植被指数(2-bands enhanced vegetation index,EVI2),比值植被指数(ratiovegetation index,RVI),土壤调节植被指数(soil-adjusted vegetation index,SAVI)为基础,结合3种常用的回归模型,按生长阶段比较分析了不同植被指数和回归模型反演叶面积指数的精度。结果表明,除生殖生长阶段外,叶面积指数和5种植被指数之间均有较强的相关关系;指数模型和一元线性模型分别为全生育期和营养生长阶段的最佳拟合模型;EVI在全生育期拟合时的表现好于其他4个指数(R2=0.9348),SAVI则是营养生长阶段表现最佳的指数(R2=0.9404)。该研究为进一步利用植被指数反演叶面积指数提供了参考。

面向对象的多光谱图像特征遗传选优方法

为了有效提高作物遥感识别过程中对作物分类的精度,需要对光谱图像特征进行合理选择,得到最佳波段组合。该文在对多光谱数据的光谱信息特征进行全面分析基础上,针对目标地物,提出面向对象的多光谱图像特征遗传选优算法模型。在模型中,先根据最佳指数因子法计算比较,得出最佳识别组合的特征数量;然后,以最大最小距离作为理论基础,对Jeffries-Matusita(J-M)距离改进,得到加权J-M距离,作为衡量特征对分类有效性的判据,并以此构建适应度函数,运用遗传算法对结果优化处理,选择出对分类敏感的波段组合。以吉林德惠县内的Landsat-5数据为例,进行波段选择实验,取得较好的成效。

作物遥感识别中的数据挖掘技术

该文综述了数据挖掘技术应用在图像分类方面的各种方法,介绍了每种方法的优缺点、适用领域及应用情况。介绍了将数据挖掘技术应用于图像分类方面以有效解决当前作物遥感识别中的瓶颈问题。对当前作物遥感识别系统在数据源的使用、识别过程的规范和方法的实用性方面的问题进行了分析,展望了作物遥感识别中的数据挖掘技术研究发展方向。

基于多分辨率数据的干旱和半干旱地区地物模糊分类

为了进一步提高低分辨率遥感数据用于干旱和半干旱地区地物分类精度,该文以新疆石河子垦区为研究区,利用PSA(purposive selection algorithm)算法结合地物分布的统计特性对样本窗口进行选择,确定了最佳样本窗口组合;采用概率密度估计的方法获取了真实的隶属度函数,基于类别隶属度函数构建地物辨别模型;建立了多分辨率数据大尺度土地利用/覆盖遥感分类流程。研究结果表明,借助高空间分辨率数据提取各地物类别的精细分布特征,与Erdas非监督分类相比,模糊分类的总体分类精度提高了20%。该研究可为低分辨率数据的研究与应用提供借鉴。

水稻遥感识别偏差修正的地统计学方法

为了进一步提高农作物遥感识别精度,充分利用高分辨率遥感影像上不同地物之间的邻域空间关系,提出农作物遥感识别偏差修正的地统计学方法。该方法综合考虑目标地物的光谱特征与空间信息,以类别隶属度偏差为研究对象,首先利用类别指示向量和类别后验概率向量之间的差异实现目标地物的类别隶属度偏差量化,然后对训练样本的类别隶属度偏差进行变异函数建模,并采用带局部均值的简单克里格插值方法预测总体类别隶属度偏差,之后用总体偏差的预测值对光谱分类所得的类别后验概率进行修正,重新确定识别结果,实现农作物遥感识别的偏差修正。以安徽省南部的一景SPOT-5影像覆盖范围为研究区,选择2块典型区域分别作为试验区和验证区,以一季稻和晚稻为目标农作物,以支持向量机作为光谱分类的分类器,建立了水稻遥感识别的偏差修正流程;采用地面实测数据对修正效果进行评估,并与最大似然分类、模糊分类和支持向量机分类的结果进行比较。试验结果表明,该方法的总体分类精度能够达到90%以上,与传统分类方法相比,总体精度提高了近14%;且该方法能够大幅提高一季稻和晚稻的生产者精度和用户精度,有效改善了研究区的水稻识别结果,可以为中国南方复杂种植条件下的水稻识别提供参考。

农村土地承包经营权要素编码的关键问题及解决途径

为准确使用NY/T 2538-2014、规范农村土地承包经营权确权登记颁证工作,针对目前农村土地承包经营权要素编码中存在的县级段代码和乡级段代码编制、发包方编码、承包方编码、特殊区域编码等关键问题,采用文案调查法和实地调查法进行深入剖析,并给出了问题的解决途径。结果表明:1)县级段代码和乡级段代码应以目前正在开展的农村土地承包经营权确权登记颁证工作作为时间节点来进行编码,并采用民政部公布的行政区划代码;2)发包方应按照农村土地所有关系进行编码,并且发包方编码在承包期内保持稳定;3)承包方应视为权利人来进行编码,其编码取决于是否与发包方签订承包合同;4)农村土地承包经营权要素编码与特殊区域内农村土地承包管理方式无关,应按照农村土地承包经营权要素的内在关系进行编码。通过剖析上述关键问题,研究可进一步深化对农村土地承包经营权要素编码的认识,促进NY/T 2538-2014在农村土地承包经营权确权登记颁证工作中的规范应用。

土壤厚度的空间插值方法比较——以青海三江源地区为例

利用青海三江源地区533个土壤剖面中的厚度数据,在GIS技术的支持下,采用确定性内插(反距离加权、全局多项式、局部多项式和径向基函数)和地统计内插(普通克里格、简单克里格、泛克里格和协同克里格)两类共八种插值方法对研究区土壤厚度的空间分布进行了预测,并综合比较了各种插值方法的预测误差、统计特征值和插值结果分布图。结果表明:(1)在地统计内插方法中,普通克里格方法 (一阶)插值效果比普通克里格方法 (二阶)要好;在普通克里格方法 (一阶)的半方差函数模型中,球状模型的插值效果优于指数模型和高斯模型;普通克里格方法在四种地统计内插方法中预测误差最小、预测结果准确性最好。(2)确定性内插方法中,反距离加权(指数为1)法的误差较小,并且对区域与局部趋势的反映效果最好。(3)从预测误差大小和对区域总体及局部趋势的综合反映效果来看,有异向性的球状模型普通克里格(一阶)插值方法预测结果最能准确反映青海三江源地区土壤厚度的空间分布。