论文部分内容阅读
农作物种植面积是我国农业统计调查的一项重要指标,随着科学技术的不断进步,传统的统计方法已无法满足现代化农业统计对统计效率与统计精度的要求,很难达到现代农业统计精细化测量的要求,更无法获得农作物空间分布等信息;遥感技术以其及时、可靠、准确的提供空间信息等优势逐步被应用于农业统计调查,为农作物种植情况的准确测量、快速调查、动态监测提供了新的技术手段,并展现出越来越重要的作用。 遥感分类专题图被广泛应用在许多领域,如土地覆盖/利用分析、动物栖息地选址、水文分析、风险分析以及自然资源调查,用来描述土地覆盖的空间分布及形态、估算土地覆盖面积等方面。专题图精度及误差的空间分布直接影响到专题图的应用范围及效果。传统基于遥感的面积统计估算,主要采用混淆矩阵的方法,认为分类结果具备统一的分类精度及均匀误差的分布。随着遥感分类与估算技术的深入研究与发展,大量研究表明,遥感分类结果的误差并不是均匀分布,而是呈现一定规律性的分布。因此,准确掌握土地覆盖专题图中误差的来源、空间分布进一步探讨研究遥感分类误差的不均匀分布,对基于分类结果图斑的区域面积估算具有重要的指导作用。 基于以上的分析,本研究主要选择北京东南部四个区(通州、大兴、房山、顺义)作为研究区,以中分辨率TM数据为实验数据,以高分辨率google影像、航片、野外调查数据作为参考真值,研究遥感分类误差分布,探讨如何利用遥感技术为统计应用提供更为准确的辅助信息,并以此为基础,构建遥感辅助的统计估算模型,实现农作物种植面积的准确估算。 主要结论如下: (1)遥感分类结果误差的分布受地物空间结构特征的影响很大:地物空间结构较规整、大片出现的区域,遥感分类结果误差较小;地物空间结构较为破碎、零星出现的地物图斑,其遥感分类结果错分的可能性也较大。 (2)分类遥感分类结果的图斑面积、图斑破碎度的等景观因子可以有效的反映地物的空间结构特征,与遥感分类结果的图斑误差具有一定的相关性。从而引入并优化能够表达误差空间分布的景观指标因子——破碎度指标、图斑面积指标。通过定量的研究分类结果的误差与景观指标因子的关系得到,线性相关程度分析中,破碎度指标与遥感分类误差呈现正相关,图斑面积与遥感分类误差呈现负相关。通过曲线拟合分析,破碎度指标与分类精度关系符合三次函数模型,拟合相关性达0.97以上,面积指标与分类精度呈现S形曲线模型关系,相关系数达到0.96以上,在95%置信度下均通过F检验、t检验等显著性检验。 (3)基于对遥感分类结果误差的空间分布的面积抽样估算研究,以误差影响因子景观指标作为分层标志,通过两阶段分层抽样,用图斑面积(规模)指数进行第一阶段分区,在区内以破碎度指标作为分层标志,进行面积估算。结果表明:表达遥感的误差分布的两个指标因子(图斑面积、破碎度)与农作物面积显著相关,以这两个因子作为分层标志进行空间抽样设计是可靠有效的,能够有效的提高农作物面积测量估算的精度;两阶段抽样的方法充分利用了景观指数与调查面积之间的相关性,减少了样本方差,显著提高了样本对总体的代表性,有效的提高了分层效率。 (4)遥感辅助的两阶段分层抽样估算方法在农作物种植规整、大片种植的地区,抽样比为1%时,分层抽样平均精度已高于92%;抽样比达到3%时,抽样平均精度稳定在95%以上,第二阶段破碎度指标分层对于估算结果影响并不显著;在农作物种植破碎、零星小规模种植区域,抽样比为1%时,抽样平均精度已高于90%;抽样比达到2%时,抽样平均精度稳定在95%以上,第二阶段破碎度指标分层对估算结果的精度提高显著;在总抽样比相同的情况下,本研究构建基于遥感分类误差分布的两阶段抽样估算方法,得到了更高的估算精度与稳定性。