农作物种植面积遥感估算的影响因素研究

王 鑫

(三和数码测绘地理信息技术有限公司，甘肃 天水 741000)

引言

随着我国科学技术的快速发展，在农作物种植产量估算方面已经开始使用遥感技术。为了提高我国对农作物种植产量估计的准确度，相关部门将遥感技术引入其中，对农作物种植面积以及产量等进行估算，这样不仅可以使相关工作效率得到提升，还可以使数据的精准度得到提升。但也存在对农作物种植面积遥感估算产生一定影响的因素。本文对遥感估算的影响因素进行全面探究，对丰富农作物种植面积遥感估算方面的知识具有理论性意义。

1 农作物种植面积遥感估算技术的研究方法

1.1 利用遥感技术进行农作物种植面积估算的工作流程

利用相关软件来完成数据分类工作，并有效提取农作物的种植基地，将其当作实验室研究数据，同时，将农作物种植面积的提取结果作为主要依据，来对每个样区农作物种植数量或相关指标进行计算，并在农作物种植面积的基础上，完成相应的估算工作，对影响农作物种植的主要因素进行全面分析，从而可以有效分析农作物种植面积与分辨率之间的关系。从相关研究中可知，农作物种植面积的遥感估算技术可能会出现一定的误差现象，产生这样现象的因素有许多，不仅包括种植的成数、种植的破碎度，还包括种植地块的形状指数以及空间分辨率[1]。

1.2 提取农作物种植地块

在RapidEye影像得到有效利用的前提下，对相应的种植区域进行提取，并根据实地调查法，对农作物种植数据进行科学有效的分析，同时可以利用支持向量机、人工神经网络等方法对农作物种植地块的数据信息进行全面了解和掌握，以此来对种植面积的大概数据进行合理估算。除此之外，通过野外实测的方式，可以对相关样本信息进行获取，对该类信息进行分类，并完成相应的精度验证等操作，从验证结果中可知，支持向量机中探测的结果属于最高的分类信息[2]。当数据的精准性相对较高时，可以为农作物种植面积之后的分析研究提供重要的数据支撑。

1.3 获取多分辨率的影像序列

利用RapidEye影像可以获取农作物种植面积的分布数据，通过相应的尺度拓展法，可以使数据采样工作有效完成，还可以对不同分辨影响序列进行获取。在开展估算工作时，需要合理化利用尺度拓展法。该种方法的内容十分丰富且完整，不仅包括中心像元法，还包括相应的双线性内插法等，这些方法都是在遥感估算技术的基础上，完成相应的发展和应用。在农作物种植面积估算工作中，应用频率相对较高的方式有双线内插法和最近邻法，该类方法不仅便于操作，还可以使工作效率得到明显的提升[3]。但需注意的是，该类方法在进行实际应用时，需要对尺度因子进行科学有效的控制，最好将其数值控制在5的范围之内，同时，不可以将影像从高分辨率向低分辨率进行转换，这样才可以使该类技术的作用或价值得到充分发挥，以保证相关农作物产量估算工作得到顺利完成。

2 农作物种植面积遥感技术估算的影响因素

2.1 农作物种植破碎度的影响

农作物种植破碎度指的就是集聚程度，我国国土面积相对较大，并且东西之间的跨度也很大，各个地区之间的地形地貌以及环境等都存在一定的差异性，这使得农作物种植状况也存在明显的不同。当某个地区的地形具有一定的复杂性，其农作物种植也相对复杂，这样不仅使农作物种植工作的开展遇到较大的困难，还会严重影响农作物产量估算工作。对地势平坦的地区来讲，在开展农作物种植以及产量估算工作时，都比复杂地形区域容易得多。从相关研究人员的分析统计中可知，农作物种植破碎度和农作物产量估算精确度之间存在一定的关联性，当该地区的农作物种植破碎度相对较低时，该区域的土地分布具有明显的集聚性，这样就会使农作物产量大幅度提升，从而使该区域的农作物产量估算精确度高于其它地区。反之，当该地区的地形具有明显复杂性时，其在土地集聚方面会呈现明显的降低，这就说明该土地种植破碎度相对较高，但该地区农作物产量估算精确度却相对较低[4]。

2.2 农作物种植成数影响

将农作物种植破碎度和农作物种植成数相比可知，两者之间存在明显的不同，前者与农作物产量估算精确度之间存在反比例的关系，后者与农作物产量估算精确度之间存在正比例的关系。简言之，当某个地区的农作物种植成数相对较高时，该地区的土地分布具有突出的集聚性，并且其地形具有简单性，通常以平原为主，在这样的条件下，该地区的农作物种植产量的估算精确度就会随之提高。反之，当农作物成数相对较低时，该地区的地形就会相对复杂，并且土地分布非常分散，在这样的条件下，该地区农作物种植产量的估算精确度就会出现明显的降低[5]。

2.3 地块形状指数的影响

由于我国国土面积广阔，我国的地形地貌千姿百态，各个地区的地形都不同。研究发现，一个地区的地块形状指数越高，这个地区农作物种植产量估计的精确度越低。可以简单地理解为地块形状指数与农作物种植产量估计精确度呈反比例关系。

2.4 遥感影像分辨率

当前，我国在开展农作物产量估算工作时，使用最为普遍的技术之一就是遥感技术，在利用该技术进行产量估算时，需要对遥感影像进行应用。对遥感影像进行仔细的观察分析，可以使研究人员对各个区域农作物分布状况进行了解和掌握，并可以对产量进行相应的简单估算，通过实地调查的方式对相关数据进行获取，将简单估算和实地调查的数据进行对比，这样两者之间的不同可以清晰呈现，从而可以科学有效地修改简单估算结果。遥感影像具有明显的清晰性，这样更容易让研究人员进行观察，从而使研究人员能够对各个区域之间农作物分布情况的不同产生清晰认知[6]。当遥感影像的清晰度较低时，不仅会让研究人员产生不良观感，而且还会对农作物估算与分析工作产生一定的阻碍作用。由此可知，遥感影像分辨率和农作物产量估算之间存在密切的关系，两者之间总体呈现正比例的关系，即当遥感影像分辨率不断提高时，利用遥感技术来进行农作物产量估算时，估算精确度也会随之提高。

2.5 多因素综合影响

除了上述因素会对农作物种植面积遥感估算产生影响之外，还存在其它因素对农作物产量估算精确度产生影响。同时，影响因素之间还会相互影响，利用多因素回归分析的方式来对其进行分析，可以获得不同的影响模型，因此，在进行农作物产量估算工作时，还会受到多种因素的影响，相关研究人员不仅要对农作物种植破碎度、种植成数等因素进行重点分析，还要对其它综合因素的影响进行全面考量，以此使遥感技术在农作物产量估算中的精确度得到大幅度的提升[7]。

3 实际案例分析

3.1 实验区概况和数据源

3.1.1 实验区概况

本文以某实验区为例进行分析，该实验区的中心位置地理坐标为E112°39′20″，N29°48′36″。该区域的气候条件以亚热带湿润气候为主，年降水量大约在1300mm，四季的温差比较明显，年平均温度在17℃左右。该区域的农作物以水稻和棉花为主，水稻作为主要粮食作物，按照种植结构可以分为2种，单季稻，其通常在6月进行种植，在9月份进行收割；双季稻，早稻的生长期为5—7月，晚稻的生长期为7—11月。

3.1.2 数据源

在实验区主要农作物种类以及遥感影像质量等基础上，对相关的RapidEye影像进行选取，该段影像具有良好的清晰度，并且可以对实验区的面积进行覆盖，同时，该段影像中包含5段波谱范围，第4段属于红边波段。在成像时，双季早稻处于抽穗期，单季稻处于移栽期，此时对早稻信息进行提取相对适宜[8]。

在对RapidEye影像进行处理时，采用的方式有以下几种。辐射定标，该种方式的原理是对影像DN值进行转变，使其不断向大气顶归一化光谱反射率进行转化，同时利用相关的FLAASH进行辅助，以此来使大气校正工作有效完成。几何纠正，其对实验区影像进行分析和参考，并在此基础上，对二次多项式方法进行应用，从而使RapidEye影像得到有效的几何纠正。对相关的地面控制点进行选择，使纠正误差控制在合理范围之内。除此之外，在对早稻进行提取时，可以对国土资源二调土地数据进行有效应用，也可以将野外样方数据进行应用。

3.2 研究方法

3.2.1 技术路线

在RapidEye数据分类的基础上，有效提取实验区早稻种植地块，将其当作实验研究过程中的近似真值。将提取的早稻结果当作基础，在尺度扩展的方式下，对不同分辨率的影像序列进行构建，同时将实验区创设成1km×1km样区，并对各个样区中早稻相关指标进行计算，如种植成数等。对面积估算精确度和标准差进行统计，对影响作物的主要因素进行分析，同时需要对不同影响因素和农作物面积估算精确度之间的规律进行全面研究。对影像空间分辨率、主要影响因素以及农作物面积估算精确度之间的综合影响模型进行构建，总体的技术路线如图1所示。

图1 各影响因素分析技术流程

3.2.2 获取多分辨率影像序列

将尺度扩展法运用到RapidEye影像之中，使早稻种植地块的分布数据得到重新的采样，以此来对不同的分辨率影像序列进行获取。使用频率相对较高的尺度扩展方法有双线性内插法、最近邻法等，但是需要对尺度转换因子和分辨率进行合理化控制。

3.3 结果与分析

3.3.1 种植成数影响

从实际研究中可知，当种植成数不断升高时，种植面积的估算精确度也随之升高，同时精确度也慢慢趋于稳定。当种植成数>60%时，相关估算精确度可以稳定在80%以上。但需注意的是，当种植成数<10%时，想要使面积估算精确度达到80%以上，不仅要使估算标准差无限接近于0，还要对分辨率>10m的遥感数据源进行应用。

3.3.2 种植破碎度的影响

当农作物种植破碎度处于较高状态时，面积估算精确度会出现逐渐分散并且精确度不断降低等现象，简言之，当种植破碎度不断降低时，面积估算精确度会慢慢变得更加稳定，当农作物种植不断分散时，面积估算误差会不断的增加，当种植破碎度>0.8时，面积估算精确度几乎都会<85%，此时如果想对估算精确度进行不断提升，需要使估算标准差趋于0，并对空间分辨率>20m的遥感数据进行应用。当种植破碎度在1.2左右时，利用10m分辨率的数据也无法使面积估算精确度超过60%，这时要想对其估算精确度进行提升，需要对其它技术进行应用。

4 结论

从本文的论述中可得，由于技术水平的不断提升，遥感技术开始逐渐应用于农作物种植产量估算工作之中，为了使估算精确度得到明显提升，研究人员要对遥感技术以及遥感影像进行应用，并在此基础上，对相关的种植产量进行估算。与此同时，还需要对相应的影响因素进行全面分析，使其对结果的影响不断减弱，从而使农作物产量估算工作能够顺利的实施。