基于GIS分析的农作物价格预测

贾春鹤

（中国石油大学（华东）地球科学与技术学院，山东青岛 266580）

基于GIS分析的农作物价格预测

贾春鹤

（中国石油大学（华东）地球科学与技术学院，山东青岛 266580）

针对农作物价格的波动而给国家和人民带来的巨大损失问题。文章提出了利用遥感和GIS建立农作物价格预测模型的方法。通过遥感和GIS分析的手段对农作物价格的走势进行预测。通过建立价格预测模型来指导农作物的处理。实验证明：该方法简便可行，并且便于在GIS平台上实现。对国家提供宏观决策和人民获得利益有重要的价值和意义。

遥感 GIS分析 农作物 价格预测

随着社会的发展，越来越多的事物需要更加科学的指导，从GIS诞生之后，GIS应用于各个领域。一般情况下都是利用GIS对空间数据进行储存、更新、查询、显示等。缺少更多的预测和决策。从而难以满足当前决策者的需求。如果在GIS中加入数据模型，就可以提供一定的决策功能。这种功能时GIS原有功能的拓展，依然是在原有的GIS基础上进行开发。由于模型的加入会使得GIS平台拥有新的功能。为人类的生活和发展提供更加智能的决策和分析，真正发挥出GIS的数据挖掘和分析的能力。

1 遥感和GIS介绍

1.1 农作物识别介绍

一般对农作物识别常用到的遥感手段是利用高光谱影像进行。对农作物的识别一般会用到植被指数。常用的植被指数有：MSRI、NVI、TDVI、EVI、NDVI、IPVI、TVI、DVI、SAVI等，这些植被指数可以识别出不同的农作物，为单一农作物的提取提供了有效的手段。利用遥感对全球范围内的粮食作物的识别，最早是美国利用NOAA/AVHRR遥感数据进行实现的。由于数据和气象原因，利用实测光谱加上BP神经网络建模被王岽等提出。

确定并区分各种农作物的空间分布是遥感和GIS在农业上的基础应用。农作物遥感识别与提取是指在相应耕地的遥感图像上，正确识别出目标农作物，并对目标农作物地块进行提取，进而对同一地区不同耕地上、或同一块耕地上不同季节的农作物进行分类这一观点由唐华俊等提出。对农作物的提取可以根据遥感影像的亮度等进行区分不同的地物。为提高农作物提取的准确度，可以结合遥感图像的纹理等信息进行提取。从而提高了对农作物提取的正确度。

1.2 GIS介绍

一般空间决策系统包括：方法库、模型库、空间数据库组成，当然这是传统的理解。对于现在，空间智能决策系统会在原有的基础上加上知识库，这样就组成了一个新的空间智能决策系统，对于GIS智能决策一般会有知识层、数据层、信息表达方式、方法层等信息。同时可以将其看成是智能决策外层和内层的有机组合体。

在建立好领域知识库、空间数据库和空间分析模型之后，就相当于是建立了一个信息处理层，对空间实体的属性可以动态地进行传送和表达。GIS中的克里金算法可以直接调用。在地理学中主要分为时间地理学和行为地理学。对分析一类事物时，往往同时用到行为地理学和时间地理学。地理空间信息中添加价格和时间的数据库，就可以在调用的时候变得更加的方便。GIS数据库中主要就是用来储存不同类型的数据，然后根据这些数据，进行分析和处理，使得GIS变得更加的智能。

1.3 遥感和GIS结合

遥感和GIS的结合就是将遥感技术和GIS技术进行结合，利用遥感手段来为GIS提供数据，利用GIS为遥感影像做出分析和决策。随着现代科学技术的进步，遥感影像数据的获得变得越来越容易。高分影像现在也可以很容易得到。再者就是对遥感影像的地物提取技术也变得越来越智能，随着神经网络战胜围棋大师，使得神经网络变得又有了生机，现在神经网络深度学习技术在遥感地物的提取中起着越来越重要的作用。ENVI软件提供的流程化处理，为快速提取地物提供了有效手段。在提取地物之后可以将数据导入到GIS平台中，利用GIS的空间分析功能使得对农作物的产量和价格做出分析和预测，从而为现实决策提供科学的依据。利用遥感快速获取数据，利用GIS分析数据，就组成了一个大脑和一只眼睛，既能看又能有分析功能。模仿人的大脑行为。

2 价格预测理论

在市场中，影响价格的主要因素是供需关系和国家政策。在一段时间内。商品的价格主要是由供需关系决定的。因此，对价格的预测，也就可以看成主要是对商品量的预测。在GIS中可以将已分类的遥感影像进行信息提取和挖掘。利用遥感影像数据和往年的产量与价格的数据，就可以建立一个简单的时序模型。通过时序分析，可以对未来的农作物的价格进行分析。因此，首先对农作物种植范围的获取。利用遥感影像对某一农作物进行提取。获取种植面积，在此基础上进行估量。对于产量来说一般有单位面积种植量，每株结果率和果实重量构成。朱晓红等研究了冬小麦产量构成与光谱指数之间的关系。[1-10]在不同阶段确定光谱指数和产量的关系，从而确定了小麦产量估算模型。植被指数NDVI与植物的种植密度有密切的关系。[11-24]利用遥感手段获得农作物的种植面积，通过建立不同的模型可以将农作物的产量估算出来。在此基础上将某类农作物的往年产量和对应的价格进行建立成一个数据库。由于人民的需求是较为稳定的，因此利用产量和时间以及随机影响因素作为自变量，将价格看成因变量y，建立函数模型。

对神经网络模型来说，一般包括输入层、隐层和输出层。当前函数和式表示如下。

这样就可以计算当前样本的输出。计算输出层神经元的梯度可以用以下公式。

更新公式：

在提供训练样本集和学习率的情况下，就可以训练模型。通过神经网络模型来预测价格。由于农作物产品价格的区域性差异普遍存在，因此需要考虑到农作物的空间分布和空间人口分布，在密集地区，由于人口数量大，对农作物产品的需求也会随之上升，在人口分布比较稀疏的地区，人口数量少，所对应的需求也会下降。由于供需关系的不同必然会导致商品的价格有所不同。因此将空间信息加入到模型中就变得尤为重要。同时，可以对农作物产品的空间分布进行分析，为运输也提供决策支持。

当模型已经建立起来后，将其加载到GIS中，利用GIS空间分析的功能，对不同地区的价格做出预测。通过对时间和空间单独建立模型后，可以看出对时间建立的价格预测模型是区域性的，将区域性的价格和空间模型的进行组合，就可以得到有关时间和空间的一个价格预测模型。

在得到预测价格的情况下，对农作物的处理也就有了预设方案。在短期内价格可以上升时，可以提前考虑建立储备设施。如果价格在较长时间内不能得到提升，就应考虑对作物的种植规模进行缩小。

3 实验分析

利用神经网络算法建立起价格预测模型，获得区域的价格走势。现以山东省种植大蒜为例。采用2017年1月的MOD09Q1及MOD09A1反射率数据，并且是经过几何和大气校正的产品数据，空间分辨率为100 m、100 m。通过遥感手段提取大蒜的种植范围，将数据导入到Arcgis中进行处理。根据往年数据建立数据库，利用神经网络算法建立预测模型。对数据进行分析和预测。结合地理空间分布和人口密集程度，对价格模型进行改进，使得预测模型变得更加准确。通过遥感地物提取可以得到2017年大蒜的基本产量，可以为预测提供基础数据。

2016年山东的大蒜种植面积在19.33万hm2左右，价格相对来说较高。2017年山东的大蒜种植面积在23.33万hm2左右，由于面积的增加，大蒜的价格也会有一定的变化。

根据2016年的数据可以对2017年的大蒜价格进行估计，将自变量输入可以得出一个简单的预测。

通过对大蒜价格的预测可以对大蒜种植户决策起到一定的指导作用，虽然大蒜的产量有所增加，但随着大蒜数量的逐渐减少，大蒜的价格会有一个回升的过程，因此，种植户可以考虑大蒜的储存问题，提前做好储存准备，从而可以得到更多的利益。进入10月份后大蒜的价格会进入快速增长，直到12月份会持续上涨，如果大蒜的储存成本不是很高的情况下可以考虑长时间的囤积。在次年2月份之前尽量处理完。这样也就使得收益有所增加。

4 结论

通过分析可以看出，利用GIS和遥感技术能够快速地对农作物的价格进行分析，为生产者提供决策依据。从而最大程度上减少了生产者的投入成本，获得较好的收益，同时为市场的需求平衡起到了一定的促进作用。如果将该方法应用到其他的领域，可能会有更大的应用价值。如果将模型进行更细化可能会使得预测变得更加的准确，但就农作物的价格而言该模型提供的预测可以很好地满足需求。

[1] 张新妍．基于GIS空间分析功能的湿地生态旅游规划研究．东北农业大学，2016

[2] 刘一哲．多尺度分割技术在高分辨率遥感影像地物提取方法的研究．昆明理工大学，2016

[3] 彭彬．基于GIS和WSN的滇池水质实时监测与预测系统的开发与实现．云南师范大学，2015

[4] 翟健，金晓春．城市规划中的GIS空间分析方法．城市规划，2014，（S2）：130～135

[5] 闫利，赵展，聂倩，等．利用规则进行高分辨率遥感影像地物提取．武汉大学学报（信息科学版），2012，（06）：636～639

[6] 刘明．基于GIS的公路交通噪声预测技术研究．长安大学，2012

[7] 陈智芳，王景雷，宋妮．GIS空间分析技术在棉花叶面积测定中的应用．中国农学通报，2012，（09）：145～149

[8] 丰炳波，蒋祥玉，谷延锋，等．基于地物提取场景建模的热红外遥感成像仿真．系统仿真学报，2012，（02）：424～428

[9] 梁锦．基于GIS的成矿预测研究进展．中山大学研究生学刊（自然科学．医学版），2011，（02）：17～25

[10] 司玉琴．遥感影像预处理与地物提取方法研究．西安科技大学，2010

[11] 陈浩．基于GIS的多尺度生态地理物种入侵预测建模．武汉大学，2010

[12] 何春阳，贾克敬，徐小黎，等．基于GIS空间分析技术的城乡建设用地扩展边界规划方法研究．中国土地科学，2010，（03）：12～18

[13] 陈建平，陈勇，王全明．基于GIS的多元信息成矿预测研究——以赤峰地区为例．地学前缘，2008，（04）：18～26

[14] 向中林．基于GIS的沂南金矿成矿地质条件分析及成矿预测．中国地质大学（北京），2008

[15] 彭剑楠．GIS空间分析方法研究．吉林大学，2008

[16] 李晓军．GIS空间分析方法研究．浙江大学，2007

[17] 张文元，秦昆，张成才，等．基于知识的遥感图像地物提取方法研究．地理空间信息，2007，（01）：66～69

[18] 万建文．四川省药用植物GIS的构建及其空间分析方法的运用探讨．四川大学，2006

[19] 文海家．基于GIS的滑坡灾变智能预测系统及应用研究．重庆大学，2004

[20] 黄慧萍，吴炳方．地物提取的多尺度特征遥感应用分析．遥感技术与应用，2003，（05）：276～281

[21] 况颐，周巍，马柯．GIS在药用植物资源调查中的应用．信阳师范学院学报（自然科学版），2003，（04）：457～460

[22] 袁峰，周涛发，岳书仓．GIS矿产资源预测中的证据权重法．黄金地质，2003，（03）：75～77

[23] 黄海峰．GIS在成矿预测中的应用．甘肃地质学报，2002，（01）：89～96

[24] 胡新丽，唐辉明．GIS支持的斜坡地质灾害空间预测系统框架设计．地质科技情报，2002，（01）：99～103