基于遥感和空间抽样方法的农情监测技术研究现状及发展趋势

胡永森周朝阳

(1.中国科学院空天信息创新研究院遥感科学国家重点实验室，北京 100101；2.江西省国防科技信息和卫星应用中心，江西 南昌 330038)

在农业生产中，掌握及时的农作物耕地面积信息不仅有着重要的经济意义，对政府相关决策的制定也极为重要[1]。目前我国主要使用的农作物种植面积统计方式有2种，分别由地方统计局和地方农业调查队承担。根据国家统计局对农作物种植面积数据获取方式的要求，采用抽样的方式进行，由各县级调查队根据样方的位置对样本地块进行调查，并将样本调查结果反馈给省农业调查队，各省农业调查队利用县级调查队的调查数据进行反推得出全省的数据，并上报到国家统计局农村社会经济调查司；采用层层上报的方法，得到按行政单元统计的作物面积信息，主要由地方统计局承担，由各县统计局对本县各乡镇的数据进行统计，乡镇的数据由各村上报得到，经逐级上报最终到达各省统计局，省统计局对上报数据进行审核批准后报给国家统计局农村社会经济调查司。

我国的统计工作成绩斐然，为国民经济的健康有序运行作出了很大的贡献。但传统的统计方式在实际工作的应用中，往往存在一些难以克服的困难，导致越来越跟不上人们对数据的精准性、现势性等高要求。如，由各省农调队承担的抽样调查工作得不到相应省份的县级数据，并且样本通常较多且分布较为散乱，给调查工作增添了许多麻烦。而由统计局承担的采取层层上报方式的调查方法，由于中间过程太多，导致数据的抗干扰能力不强，与实际值有偏差。查阅国家统计局统计年鉴可以发现，我国在2009年的棉花种植面积达到495.2万hm2，而查询中国棉花协会的棉花种植面积数据可以发现为514.53万hm2，相差19.3万hm2。同时，有专家依据乌鲁木齐铁路局提供的棉花出疆总量进行推算，发现从2002—2009年的7a时间里，推算出的产量与统计局公布数据累计相差280万t[2]。而利用遥感与空间抽样方法进行的作物面积估算方法已经得到迅速发展，并趋于成熟。因此，改进我国当前的统计调查手段，为政府有关决策部门提供快速、精确、全面的统计信息是十分有必要的。

1 国内外研究现状

从20世纪70年代开始，科学家们开始利用遥感技术结合空间抽样方法对农作物的长势进行动态监测，并对作物进行种植面积的估算和估产[3]。这种基于经典统计抽样原理结合空间统计学理论发展起来的空间抽样技术在农情遥感监测中的应用日益广泛[4]。在大区域作物面积监测方面，利用空间抽样技术和3S技术进行作物面积遥感监测的新型统计方法已经受到越来越多的专家和学者的青睐[5]。利用空间抽样方法针对研究区域进行空间抽样体系设计，并结合遥感技术为样本这样的小区域地块提供高分辨率的遥感数据，最终反推出总体[6]。这种方法很好地解决了利用常规统计方法所产生的效率和精度低下等问题。

1.1 国外研究现状

美国在1974—1977年实施了名为大面积作物估产试验(Large Area Crop Inventory and Experiment，LACIE)的计划，该计划由美国国家航天局(NASA)、美国农业部(USDA)、美国商务部(USDC)、美国国家海洋和大气管理局(NOAA)等多部委合作主持,建立了遥感与抽样相结合的空间抽样体系[7]。该计划主要分为3个步骤，先在美国本土的大平原小麦主产区进行小麦种植面积的估算及后期估产，然后将研究区拓展至全美和世界其他部分地区进行试验研究，最终达到对世界小麦主要种植区进行小麦种植面积估算及估产的目的，主要采用遥感影像为Landsat Mss，编织的抽样框大小为9.26×11.11km2。结果显示，估算精度均优于90%，效果较优且该计划已进入业务化运行阶段[8]。紧接着美国在基于前述研究的经验及基础之上在1980年开始了名为农业和资源的空间遥感调查计划(Agriculture and Resources Inventory Surveys Through Aerospace Remote Sensing，AGRISTARS)，依据统计部门的农业测量数据采用了分层抽样的方法，对样方大小进行了调整，城区采用25.9hm2，耕地地区采用259hm2，对世界上小麦、棉花、水稻等8种主要粮食作物进行长势的动态监测和估产，取得了很好的经济和社会效益。在利用前期研究成果的基础上，美国又相继开展了农田数据层计划(Cropland Data Layer Program，CDL计划)，该计划在2010年实现了对美国36个州的作物种植面积估算。

欧盟于1987年提出农业遥感监测(Monitoring Agriculture with Remote Sensing，MARS)计划,1988年经由欧盟内各机构进行工作协调和安排后开始展开，总部的协调机构位于意大利，旨在对欧盟的农业调查方法进行改进并最终建成可业务化运行的系统。该计划主要分为MARS-I和MARS-II 2个部分。其中，第1部分是从1989—1993年，主要包括如何对作物进行动态监测和快速估产、怎样通过基于面积编制的抽样框来构建空间抽样体系以对作物种植面积进行估计和对作物进行估产等7项研究。第2部分是从1994—1998年，包括基于遥感技术的作物面积估算和估产的再研究、根据统计结果对农业补贴政策的前期研究以及将该计划中的研究方法拓展至非欧盟区的研究等3个部分，但是由于当时业务部门不能接受基于遥感技术的高成本，同时遥感影像对估计误差有多大影像的争论还很大，这些都对研究进展产生了一些阻力。除MARS计划外，欧盟还进行了LUCAS计划(Land Use/Cover Area-frame Survey)、Geoland2计划。LUCAS计划采用3a一周期进行一次调整的方案，先后采用了两阶段系统抽样方法，非集中样方的两相系统抽样等方法，并调整了抽样数量、样方大小等抽样体系的基础要素。Geoland2计划启动于2008年，由欧盟第7框架计划支持，采用系统抽样的方法，抽样框选用10km×10km的正方形单元格，对动态监测土地覆盖变化具有很好的效果。与此同时，俄罗斯、印度、加拿大等国家都开展了基于抽样和遥感的农情监测研究，这些研究大多参考了美国的农业和资源的空间遥感调查计划和农业监测计划[9,10]。

1.2 国内研究现状

国内农业土地覆盖情况大多呈现出种植结构复杂、土地破碎度较高等情况，因此很多专家学者在基于遥感和抽样的基础上进行了大量的实验与研究，提出了许多针对我国农作物种植结构的作物面积估算方法和估产模型。早在20世纪70年代末陈述彭先生就提出针对我国的种植结构现状进行遥感估产的建议，在20世纪80年代初，我国开始汲取国外的研究经验并在此基础上进行结合我国土地现状的研究。在农作物种植面积监测和估产方面，我国分别开展了黄淮海平原小麦估产、华北6省冬小麦估产、新疆棉花种植面积估算等研究，这些研究均采用了遥感结合抽样的方法，并针对不同研究区域设计了不同的空间抽样方法，但对样本的空间位置分布的把握不够充分。吴炳方等[11]在1997年，利用NOAA/AVHRR数据和高分辨率数据估算出研究区水稻种植面积的变化并在后来构建了农情遥感速报系统，该系统结合了我国农民的种植习惯构建了一个二级的抽样体系，该体系以线状的样条采样框架为核心，在估算主要作物种植面积方面具有很高的精度。陈仲新[12]在2000年提出分层抽样的方法对全国冬小麦种植面积进行监测，并进行了2a的业务化运行试验，效果较好。为了进一步提高抽样精度，考虑到我国国土面积较大，地形复杂多样的因素，焦险峰等[13]在2002年提出了针对全国的棉花种植面积遥感监测抽样方法设计，考虑了我国西部、中部、东部的种植结构不一样，县级面积差别大的情况，分别进行了不同的抽样设计。

在后来研究中，王迪等[14]提出了对抽样的基础要素进行优化的玉米种植面积调查方案，该方案将4种基本抽样方法和7种抽样比进行不同的组合实验，最终得到最优抽样比，该实验为后来优化空间抽样效率提供了一种思路。邬明权等[15]将国外的多变量概率抽样方法(Multivariatte Probability Proportional to Size,MPPS)引入国内并与遥感结合进行辽宁省北镇市的水稻和玉米种植面积提取，提供了一个利用一套样本对多个变量进行估算的思路。随着我国高分系列卫星的相继发射和投入使用，对结合抽样的作物遥感测量研究提供了强大的数据支持。刘国栋等[16]利用高分一号卫星数据结合抽样方法进行了作物面积的估算，对GF-1号卫星数据在对地抽样遥感测量中的技术方法问题进行了探讨。

目前，国内业务化运行较广且较为成功的是2016年开展的第三次全国农业普查工作及后续常规调查，采用方法主要是结合各省农作物种植结构、当年或上一年主要农作物中分辨率遥感测量结果、国土耕地空间分布数据等分别进行复合分层、两阶段分层抽样(PPS抽样、分层随机抽样)构建抽样框，以变异系数值(Coefficient of variation,CV)作为是否达到预期抽样精度判断指标,利用各样方实地调查取得的分品种农作物面积及其对应的设计权数[17]，见图1。

图1 抽样调查路线图

作物面积反推方式：

(1)

式中，ymij是第m层第i个普查区(样本村)第j个样本网格的地面实测某品种农作物面积；Wmi是第m层第i个样本普查区的设计权数；Wmij是第m层第i个样本普查区第j个样本网格对应的权数。抽中村样方分布示意图见图2，单个样方调查表见图3。

图2 抽中村样方分布示意图

图3 单个样方调查表

2 总结及展望

欧美等发达国家已经开展过大量的系统性实验，因此这些国家在结合空间抽样技术的农情遥感监测方面有着很好的基础，形成了以样本采样为主的欧盟调查体系和以点采样为主的美国抽样体系。目前我国农情遥感监测的主要发展思路为采用遥感技术与空间抽样技术相结合的方法，综合常规统计学和遥感技术的优势同时以地理信息系统(GIS)和全球定位系统(GPS)为辅助进行农情监测。利用地理信息系统技术(GIS)解决空间抽样设计和调查网点规划、数据管理的核心问题，提高野外抽样网点的代表性；利用全球定位技术(GPS)解决野外样本点查找、定位以及测量的问题，提高野外样本点查找的准确性，进一步提升测量的精度，提高统计数据的质量，进而获取调查区域更加准确的数据信息。我国虽然起步较晚，但经过多年的大力发展已经取得了较大成果，尤其是由我国提出并成功构造的以线状采样框架为基础的GVG农情采样系统，引起了欧美等国家的极大关注，并且相比其他国家的采样方法，该方法更适合我国复杂的种植结构，具有很高的实用价值。随着基于抽样方法的农情遥感监测技术的应用需求越来越大，同时伴随国家GF系列卫星的发射和相关政策的支持，对地抽样的遥感测量方法将会得到更长远的发展。

与此同时，虽然许多专家学者提出了很多不同的空间抽样方法，但要将这些基础研究与进行业务化运行之间还有很大的差距。因此，如何针对农情监测对象的空间抽样设计中的基础要素的优化设计及抽样精度的定量表达上制定一个统一规范，以便对不同的抽样方法进行整合优化使用并推广到其它监测区域进行借鉴是以后研究的方向之一。在抽样体系的设计中，空间抽样有别于传统抽样，其需要考虑调查区域作物在空间上的分布及关联性，因此需要相关理论的深入研究和支持以更好地解决空间异质性、样本空间变化规律和空间布局合理性等问题。