基于遥感识别误差校正面积的农作物种植面积抽样高效分层指标研究——以冬小麦为例

• 作者: 孙佩军 张锦水 朱爽 杨珺雯 潘耀忠
• 来源期刊: 中国农业科学
• 关键词: 冬小麦 种植面积 分层抽样 分层指标 分类误差 面积规模
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 耕作栽培·生理生化·农业信息技术
• 页码范围: 675-687
• 页数: 13页
• 字数: 8509字
• 语种: 中文
• DOI: 10.3864/j.issn.0578-1752.2018.04.007

摘要

[目的]在遥感与空间抽样相结合进行农作物面积调查中,由于传统的基于面积规模的分层指标设计中缺失对遥感识别结果分类误差的表达,一定程度上影响抽样效率,因此提出基于遥感分类误差校正面积的分层标志——误差校正面积,以期改进农作物种植面积抽样调查效率.[方法]选取北京市通州、大兴区为研究区域,以冬小麦为例,选择16m分辨率GF-1号影像(获取时间2015年4月4日)为遥感数据源,进行抽样方案的设计.设计与计算高效分层指标,先从像元尺度判断像元相应的错入、错出方向并计算其对应的误差面积,再在抽样单元尺度上统计所有像元的误差面积,将其用于面积规模的校正,校正后结果即为所提出的分层抽样指标——误差校正面积(Scorrect);构建边长为90-300 m的规则正方形格网为抽样框,并完成设置分层层数、确定分层界限方法、样本量分配方式、总体估计方式等空间抽样方案设计.基于设计的抽样方案进行试验,进行研究区冬小麦的区域总量面积反推.以误差校正面积指标和传统分层指标——面积规模为分层指标,进行多次种植面积抽样推断后进行指标有效性分析和精度评价,通过对相关性、典型区域分类错误像元误差分布、总体方差、平均相对误差F、CV值等方面的对比分析,验证所提出指标的可行性与优势.[结果](1)通过结合原始影像、目标真值分布、遥感分类结果图、分类错误像元误差分布图的对比分析,从像元尺度验证了该指标能校正分类错误像元,从而改善分类结果;在试验抽样框下,误差校正面积的相关系数相较于面积规模略有提高,且数值大于0.7,可保证其与真值较高且稳定的相关性.验证了该指标作为分层指标的有效性.(2)在试验抽样框下,使用误差校正面积作为分层指标进行多次外推面积得到的总体方差在1.70×1013-2.41×1013,面积规模的总体方差为2.05×1013-3.11×1013,误差校正面积在推断稳定性方面高于面积规模;采用误差校正面积作为分层指标得到的F为4.21％-5.00％,面积规模的F为4.87％-5.98％,误差校正面积指标能稳定提高近1％的精度;选择误差校正面积指标作为分层指标进行抽样估算结果的CV值在试验抽样框下始终低于面积规模的推断结果,能稳定减少近0.8％.因此误差校正面积指标在与目标真值相关性、抽样精度、推断稳定性等方面均优于传统面积规模分层指标.[结论]误差校正面积指标可在一定程度上提高种植面积抽样调查精度,保证推断的稳定性,验证了遥感识别误差校正面积指标作为分层标志的有效性,能够提高抽样效率,其相较面积规模指标更具有优势.