農(nóng)作物種植面積遙感估算的影響因素研究

王 鑫

(三和數(shù)碼測(cè)繪地理信息技術(shù)有限公司，甘肅 天水 741000)

引言

隨著我國科學(xué)技術(shù)的快速發(fā)展，在農(nóng)作物種植產(chǎn)量估算方面已經(jīng)開始使用遙感技術(shù)。為了提高我國對(duì)農(nóng)作物種植產(chǎn)量估計(jì)的準(zhǔn)確度，相關(guān)部門將遙感技術(shù)引入其中，對(duì)農(nóng)作物種植面積以及產(chǎn)量等進(jìn)行估算，這樣不僅可以使相關(guān)工作效率得到提升，還可以使數(shù)據(jù)的精準(zhǔn)度得到提升。但也存在對(duì)農(nóng)作物種植面積遙感估算產(chǎn)生一定影響的因素。本文對(duì)遙感估算的影響因素進(jìn)行全面探究，對(duì)豐富農(nóng)作物種植面積遙感估算方面的知識(shí)具有理論性意義。

1 農(nóng)作物種植面積遙感估算技術(shù)的研究方法

1.1 利用遙感技術(shù)進(jìn)行農(nóng)作物種植面積估算的工作流程

利用相關(guān)軟件來完成數(shù)據(jù)分類工作，并有效提取農(nóng)作物的種植基地，將其當(dāng)作實(shí)驗(yàn)室研究數(shù)據(jù)，同時(shí)，將農(nóng)作物種植面積的提取結(jié)果作為主要依據(jù)，來對(duì)每個(gè)樣區(qū)農(nóng)作物種植數(shù)量或相關(guān)指標(biāo)進(jìn)行計(jì)算，并在農(nóng)作物種植面積的基礎(chǔ)上，完成相應(yīng)的估算工作，對(duì)影響農(nóng)作物種植的主要因素進(jìn)行全面分析，從而可以有效分析農(nóng)作物種植面積與分辨率之間的關(guān)系。從相關(guān)研究中可知，農(nóng)作物種植面積的遙感估算技術(shù)可能會(huì)出現(xiàn)一定的誤差現(xiàn)象，產(chǎn)生這樣現(xiàn)象的因素有許多，不僅包括種植的成數(shù)、種植的破碎度，還包括種植地塊的形狀指數(shù)以及空間分辨率[1]。

1.2 提取農(nóng)作物種植地塊

在RapidEye影像得到有效利用的前提下，對(duì)相應(yīng)的種植區(qū)域進(jìn)行提取，并根據(jù)實(shí)地調(diào)查法，對(duì)農(nóng)作物種植數(shù)據(jù)進(jìn)行科學(xué)有效的分析，同時(shí)可以利用支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等方法對(duì)農(nóng)作物種植地塊的數(shù)據(jù)信息進(jìn)行全面了解和掌握，以此來對(duì)種植面積的大概數(shù)據(jù)進(jìn)行合理估算。除此之外，通過野外實(shí)測(cè)的方式，可以對(duì)相關(guān)樣本信息進(jìn)行獲取，對(duì)該類信息進(jìn)行分類，并完成相應(yīng)的精度驗(yàn)證等操作，從驗(yàn)證結(jié)果中可知，支持向量機(jī)中探測(cè)的結(jié)果屬于最高的分類信息[2]。當(dāng)數(shù)據(jù)的精準(zhǔn)性相對(duì)較高時(shí)，可以為農(nóng)作物種植面積之后的分析研究提供重要的數(shù)據(jù)支撐。

1.3 獲取多分辨率的影像序列

利用RapidEye影像可以獲取農(nóng)作物種植面積的分布數(shù)據(jù)，通過相應(yīng)的尺度拓展法，可以使數(shù)據(jù)采樣工作有效完成，還可以對(duì)不同分辨影響序列進(jìn)行獲取。在開展估算工作時(shí)，需要合理化利用尺度拓展法。該種方法的內(nèi)容十分豐富且完整，不僅包括中心像元法，還包括相應(yīng)的雙線性內(nèi)插法等，這些方法都是在遙感估算技術(shù)的基礎(chǔ)上，完成相應(yīng)的發(fā)展和應(yīng)用。在農(nóng)作物種植面積估算工作中，應(yīng)用頻率相對(duì)較高的方式有雙線內(nèi)插法和最近鄰法，該類方法不僅便于操作，還可以使工作效率得到明顯的提升[3]。但需注意的是，該類方法在進(jìn)行實(shí)際應(yīng)用時(shí)，需要對(duì)尺度因子進(jìn)行科學(xué)有效的控制，最好將其數(shù)值控制在5的范圍之內(nèi)，同時(shí)，不可以將影像從高分辨率向低分辨率進(jìn)行轉(zhuǎn)換，這樣才可以使該類技術(shù)的作用或價(jià)值得到充分發(fā)揮，以保證相關(guān)農(nóng)作物產(chǎn)量估算工作得到順利完成。

2 農(nóng)作物種植面積遙感技術(shù)估算的影響因素

2.1 農(nóng)作物種植破碎度的影響

農(nóng)作物種植破碎度指的就是集聚程度，我國國土面積相對(duì)較大，并且東西之間的跨度也很大，各個(gè)地區(qū)之間的地形地貌以及環(huán)境等都存在一定的差異性，這使得農(nóng)作物種植狀況也存在明顯的不同。當(dāng)某個(gè)地區(qū)的地形具有一定的復(fù)雜性，其農(nóng)作物種植也相對(duì)復(fù)雜，這樣不僅使農(nóng)作物種植工作的開展遇到較大的困難，還會(huì)嚴(yán)重影響農(nóng)作物產(chǎn)量估算工作。對(duì)地勢(shì)平坦的地區(qū)來講，在開展農(nóng)作物種植以及產(chǎn)量估算工作時(shí)，都比復(fù)雜地形區(qū)域容易得多。從相關(guān)研究人員的分析統(tǒng)計(jì)中可知，農(nóng)作物種植破碎度和農(nóng)作物產(chǎn)量估算精確度之間存在一定的關(guān)聯(lián)性，當(dāng)該地區(qū)的農(nóng)作物種植破碎度相對(duì)較低時(shí)，該區(qū)域的土地分布具有明顯的集聚性，這樣就會(huì)使農(nóng)作物產(chǎn)量大幅度提升，從而使該區(qū)域的農(nóng)作物產(chǎn)量估算精確度高于其它地區(qū)。反之，當(dāng)該地區(qū)的地形具有明顯復(fù)雜性時(shí)，其在土地集聚方面會(huì)呈現(xiàn)明顯的降低，這就說明該土地種植破碎度相對(duì)較高，但該地區(qū)農(nóng)作物產(chǎn)量估算精確度卻相對(duì)較低[4]。

2.2 農(nóng)作物種植成數(shù)影響

將農(nóng)作物種植破碎度和農(nóng)作物種植成數(shù)相比可知，兩者之間存在明顯的不同，前者與農(nóng)作物產(chǎn)量估算精確度之間存在反比例的關(guān)系，后者與農(nóng)作物產(chǎn)量估算精確度之間存在正比例的關(guān)系。簡言之，當(dāng)某個(gè)地區(qū)的農(nóng)作物種植成數(shù)相對(duì)較高時(shí)，該地區(qū)的土地分布具有突出的集聚性，并且其地形具有簡單性，通常以平原為主，在這樣的條件下，該地區(qū)的農(nóng)作物種植產(chǎn)量的估算精確度就會(huì)隨之提高。反之，當(dāng)農(nóng)作物成數(shù)相對(duì)較低時(shí)，該地區(qū)的地形就會(huì)相對(duì)復(fù)雜，并且土地分布非常分散，在這樣的條件下，該地區(qū)農(nóng)作物種植產(chǎn)量的估算精確度就會(huì)出現(xiàn)明顯的降低[5]。

2.3 地塊形狀指數(shù)的影響

由于我國國土面積廣闊，我國的地形地貌千姿百態(tài)，各個(gè)地區(qū)的地形都不同。研究發(fā)現(xiàn)，一個(gè)地區(qū)的地塊形狀指數(shù)越高，這個(gè)地區(qū)農(nóng)作物種植產(chǎn)量估計(jì)的精確度越低?？梢院唵蔚乩斫鉃榈貕K形狀指數(shù)與農(nóng)作物種植產(chǎn)量估計(jì)精確度呈反比例關(guān)系。

2.4 遙感影像分辨率

當(dāng)前，我國在開展農(nóng)作物產(chǎn)量估算工作時(shí)，使用最為普遍的技術(shù)之一就是遙感技術(shù)，在利用該技術(shù)進(jìn)行產(chǎn)量估算時(shí)，需要對(duì)遙感影像進(jìn)行應(yīng)用。對(duì)遙感影像進(jìn)行仔細(xì)的觀察分析，可以使研究人員對(duì)各個(gè)區(qū)域農(nóng)作物分布狀況進(jìn)行了解和掌握，并可以對(duì)產(chǎn)量進(jìn)行相應(yīng)的簡單估算，通過實(shí)地調(diào)查的方式對(duì)相關(guān)數(shù)據(jù)進(jìn)行獲取，將簡單估算和實(shí)地調(diào)查的數(shù)據(jù)進(jìn)行對(duì)比，這樣兩者之間的不同可以清晰呈現(xiàn)，從而可以科學(xué)有效地修改簡單估算結(jié)果。遙感影像具有明顯的清晰性，這樣更容易讓研究人員進(jìn)行觀察，從而使研究人員能夠?qū)Ω鱾€(gè)區(qū)域之間農(nóng)作物分布情況的不同產(chǎn)生清晰認(rèn)知[6]。當(dāng)遙感影像的清晰度較低時(shí)，不僅會(huì)讓研究人員產(chǎn)生不良觀感，而且還會(huì)對(duì)農(nóng)作物估算與分析工作產(chǎn)生一定的阻礙作用。由此可知，遙感影像分辨率和農(nóng)作物產(chǎn)量估算之間存在密切的關(guān)系，兩者之間總體呈現(xiàn)正比例的關(guān)系，即當(dāng)遙感影像分辨率不斷提高時(shí)，利用遙感技術(shù)來進(jìn)行農(nóng)作物產(chǎn)量估算時(shí)，估算精確度也會(huì)隨之提高。

2.5 多因素綜合影響

除了上述因素會(huì)對(duì)農(nóng)作物種植面積遙感估算產(chǎn)生影響之外，還存在其它因素對(duì)農(nóng)作物產(chǎn)量估算精確度產(chǎn)生影響。同時(shí)，影響因素之間還會(huì)相互影響，利用多因素回歸分析的方式來對(duì)其進(jìn)行分析，可以獲得不同的影響模型，因此，在進(jìn)行農(nóng)作物產(chǎn)量估算工作時(shí)，還會(huì)受到多種因素的影響，相關(guān)研究人員不僅要對(duì)農(nóng)作物種植破碎度、種植成數(shù)等因素進(jìn)行重點(diǎn)分析，還要對(duì)其它綜合因素的影響進(jìn)行全面考量，以此使遙感技術(shù)在農(nóng)作物產(chǎn)量估算中的精確度得到大幅度的提升[7]。

3 實(shí)際案例分析

3.1 實(shí)驗(yàn)區(qū)概況和數(shù)據(jù)源

3.1.1 實(shí)驗(yàn)區(qū)概況

本文以某實(shí)驗(yàn)區(qū)為例進(jìn)行分析，該實(shí)驗(yàn)區(qū)的中心位置地理坐標(biāo)為E112°39′20″，N29°48′36″。該區(qū)域的氣候條件以亞熱帶濕潤氣候?yàn)橹?，年降水量大約在1300mm，四季的溫差比較明顯，年平均溫度在17℃左右。該區(qū)域的農(nóng)作物以水稻和棉花為主，水稻作為主要糧食作物，按照種植結(jié)構(gòu)可以分為2種，單季稻，其通常在6月進(jìn)行種植，在9月份進(jìn)行收割；雙季稻，早稻的生長期為5—7月，晚稻的生長期為7—11月。

3.1.2 數(shù)據(jù)源

在實(shí)驗(yàn)區(qū)主要農(nóng)作物種類以及遙感影像質(zhì)量等基礎(chǔ)上，對(duì)相關(guān)的RapidEye影像進(jìn)行選取，該段影像具有良好的清晰度，并且可以對(duì)實(shí)驗(yàn)區(qū)的面積進(jìn)行覆蓋，同時(shí)，該段影像中包含5段波譜范圍，第4段屬于紅邊波段。在成像時(shí)，雙季早稻處于抽穗期，單季稻處于移栽期，此時(shí)對(duì)早稻信息進(jìn)行提取相對(duì)適宜[8]。

在對(duì)RapidEye影像進(jìn)行處理時(shí)，采用的方式有以下幾種。輻射定標(biāo)，該種方式的原理是對(duì)影像DN值進(jìn)行轉(zhuǎn)變，使其不斷向大氣頂歸一化光譜反射率進(jìn)行轉(zhuǎn)化，同時(shí)利用相關(guān)的FLAASH進(jìn)行輔助，以此來使大氣校正工作有效完成。幾何糾正，其對(duì)實(shí)驗(yàn)區(qū)影像進(jìn)行分析和參考，并在此基礎(chǔ)上，對(duì)二次多項(xiàng)式方法進(jìn)行應(yīng)用，從而使RapidEye影像得到有效的幾何糾正。對(duì)相關(guān)的地面控制點(diǎn)進(jìn)行選擇，使糾正誤差控制在合理范圍之內(nèi)。除此之外，在對(duì)早稻進(jìn)行提取時(shí)，可以對(duì)國土資源二調(diào)土地?cái)?shù)據(jù)進(jìn)行有效應(yīng)用，也可以將野外樣方數(shù)據(jù)進(jìn)行應(yīng)用。

3.2 研究方法

3.2.1 技術(shù)路線

在RapidEye數(shù)據(jù)分類的基礎(chǔ)上，有效提取實(shí)驗(yàn)區(qū)早稻種植地塊，將其當(dāng)作實(shí)驗(yàn)研究過程中的近似真值。將提取的早稻結(jié)果當(dāng)作基礎(chǔ)，在尺度擴(kuò)展的方式下，對(duì)不同分辨率的影像序列進(jìn)行構(gòu)建，同時(shí)將實(shí)驗(yàn)區(qū)創(chuàng)設(shè)成1km×1km樣區(qū)，并對(duì)各個(gè)樣區(qū)中早稻相關(guān)指標(biāo)進(jìn)行計(jì)算，如種植成數(shù)等。對(duì)面積估算精確度和標(biāo)準(zhǔn)差進(jìn)行統(tǒng)計(jì)，對(duì)影響作物的主要因素進(jìn)行分析，同時(shí)需要對(duì)不同影響因素和農(nóng)作物面積估算精確度之間的規(guī)律進(jìn)行全面研究。對(duì)影像空間分辨率、主要影響因素以及農(nóng)作物面積估算精確度之間的綜合影響模型進(jìn)行構(gòu)建，總體的技術(shù)路線如圖1所示。

圖1 各影響因素分析技術(shù)流程

3.2.2 獲取多分辨率影像序列

將尺度擴(kuò)展法運(yùn)用到RapidEye影像之中，使早稻種植地塊的分布數(shù)據(jù)得到重新的采樣，以此來對(duì)不同的分辨率影像序列進(jìn)行獲取。使用頻率相對(duì)較高的尺度擴(kuò)展方法有雙線性內(nèi)插法、最近鄰法等，但是需要對(duì)尺度轉(zhuǎn)換因子和分辨率進(jìn)行合理化控制。

3.3 結(jié)果與分析

3.3.1 種植成數(shù)影響

從實(shí)際研究中可知，當(dāng)種植成數(shù)不斷升高時(shí)，種植面積的估算精確度也隨之升高，同時(shí)精確度也慢慢趨于穩(wěn)定。當(dāng)種植成數(shù)>60%時(shí)，相關(guān)估算精確度可以穩(wěn)定在80%以上。但需注意的是，當(dāng)種植成數(shù)<10%時(shí)，想要使面積估算精確度達(dá)到80%以上，不僅要使估算標(biāo)準(zhǔn)差無限接近于0，還要對(duì)分辨率>10m的遙感數(shù)據(jù)源進(jìn)行應(yīng)用。

3.3.2 種植破碎度的影響

當(dāng)農(nóng)作物種植破碎度處于較高狀態(tài)時(shí)，面積估算精確度會(huì)出現(xiàn)逐漸分散并且精確度不斷降低等現(xiàn)象，簡言之，當(dāng)種植破碎度不斷降低時(shí)，面積估算精確度會(huì)慢慢變得更加穩(wěn)定，當(dāng)農(nóng)作物種植不斷分散時(shí)，面積估算誤差會(huì)不斷的增加，當(dāng)種植破碎度>0.8時(shí)，面積估算精確度幾乎都會(huì)<85%，此時(shí)如果想對(duì)估算精確度進(jìn)行不斷提升，需要使估算標(biāo)準(zhǔn)差趨于0，并對(duì)空間分辨率>20m的遙感數(shù)據(jù)進(jìn)行應(yīng)用。當(dāng)種植破碎度在1.2左右時(shí)，利用10m分辨率的數(shù)據(jù)也無法使面積估算精確度超過60%，這時(shí)要想對(duì)其估算精確度進(jìn)行提升，需要對(duì)其它技術(shù)進(jìn)行應(yīng)用。

4 結(jié)論

從本文的論述中可得，由于技術(shù)水平的不斷提升，遙感技術(shù)開始逐漸應(yīng)用于農(nóng)作物種植產(chǎn)量估算工作之中，為了使估算精確度得到明顯提升，研究人員要對(duì)遙感技術(shù)以及遙感影像進(jìn)行應(yīng)用，并在此基礎(chǔ)上，對(duì)相關(guān)的種植產(chǎn)量進(jìn)行估算。與此同時(shí)，還需要對(duì)相應(yīng)的影響因素進(jìn)行全面分析，使其對(duì)結(jié)果的影響不斷減弱，從而使農(nóng)作物產(chǎn)量估算工作能夠順利的實(shí)施。