專利名稱：基于統計局統計抽樣調查地塊實割實測數據的省級水稻單產遙感估算方法
技術領域：
基于統計局統計抽樣調查地塊實割實測數據的省級水稻單產遙感估算方法，具體 地說，本發明采用統計局統計抽樣調查地塊實割實測數據、Terra與Aqua EVI相結合的遙 感數據，建立一種優于傳統的統計與遙感相結合的水稻遙感估產方法。
背景技術：
水稻是世界主要糧食作物之一，水稻產量估算對各級政府制定農業生產和農村政 策，確保我國乃至世界糧食安全具有重要的意義。國家統計局承擔著全國水稻產量的調查職能，經過幾十年的努力，依托統計理論， 建立了統計調查報表制度。尤其在農村抽樣調查方面，建立了完善的抽樣調查體系(對農 戶、對地塊的目錄抽樣調查)。水稻單產的估算通常采取統計法(包括農業統計報表法和抽 樣調查法)、氣象估產法或農學估產法。然而，隨著我國社會經濟的快速發展，用先進技術改 造傳統的統計調查方法，提高工作效率，已成為農村社會經濟調查統計當前面臨和亟待解 決的首要問題之一。以遙感為主的3S高新技術具有全覆蓋、及時、客觀等特點，為改進和提 升傳統水稻種植面積及產量估算方法提供了良好的借鑒。水稻遙感估產模式，一般可分為統計相關分析模式(包括統計產量數據、產量構 成三要素與遙感信息的兩種估產模式)、生理生態過程模式。基于產量構成三要素的統計相 關遙感估產模式與生理生態過程遙感估產模式，由于數據獲取難度較大，目前還難以在大 范圍內推廣應用。國家及地方統計局長期以來積累各級行政單元的水稻產量數據，為大面 積進行基于統計產量的遙感估產模式研究提供了較好的數據源。基于統計產量數據與遙感 信息的統計相關分析估產模型能夠有效的利用統計數據，實現統計與遙感數據的相結合， 且構建簡單，計算方便，是一種較為普遍的產量估算模式。然而，這種構造水稻遙感估產模 型的方法常先進行基于衛星遙感影像的水稻面積提取，或通過實地、抽樣獲取部分水稻種 植樣點，以獲取水稻田的遙感信息。國家統計局另一重要的數據源是通過建立完善的調查 體系，在全國31個省(市、區)，設立857個抽樣縣(市)，以及100萬個左右的調查地塊。 但到目前為止，基于統計局統計抽樣調查地塊實割實測數據的水稻遙感估產研究還未曾報 道。
發明內容
為了克服現有省級水稻單產遙感估算方法的時間和空間分辨率低、精度低的不 足，本發明提供一種時間和空間分辨率和估產精度相對較高的基于統計局統計抽樣調查地 塊實割實測數據的省級水稻單產遙感估算方法。本發明解決其技術問題所采用的技術方案是—種基于統計局統計抽樣調查地塊實割實測數據的省級水稻單產遙感估算方法， 包括以下步驟
4
Si.根據省級水稻單產抽樣調查方案，分析省級年度早稻、晚稻及一季稻抽樣調查 地塊實割實測標準畝產數據及其空間位置信息，生成帶有空間位置信息的省級年度早稻、 晚稻及一季稻抽樣調查地塊實割實測標準畝產數據集；S2.分析MODIS植被指數產品，從不同角度比較分析Terra與AquaMODISEVI之 間的關系；先后進行基于像元水平的M0D09GA與MYD09GA EVI比較，基于3X3像元水平的 M0D09GA與MYD09GA EVI比較，以證明Terra與AquaMODIS EVI結合使用的可行性，使之在 保持空間分辨率不變的前提下，將時間分辨率提高一倍。結果表明在水稻種植區、水稻生 長期間有超過50%的M0D09GA、MYD09GA EVI偏差絕對值小于0. 03 ；有超過85%的偏差絕對 值小于0. 08 ；超過95 %的偏差絕對值小于0. 1。基于3X3像元水平的M0D09GA與MYD09GA EVI之間的差別比基于單個像元的更小，可以結合用于基于水稻抽樣地塊的遙感估產研究。S3.利用年度早稻、晚稻及一季稻抽樣調查地塊實割實測標準畝產數據、以及對應 空間位置的3X 3像元M0D13Q1、MYD13Q1EVI，根據水稻抽樣地塊空間分布特點，均勻選取部 分地塊作為驗證，其他地塊用于構建遙感估產模型，建立基于地塊水平的水稻各生育期的 一次線性、二次非線性、以及各生育期的逐步回歸省級水稻單產遙感擬合模型；S4.比較上述不同方法建立于統計局統計抽樣調查地塊實割實測數據的省級水稻 單產遙感擬合模型，確定最優模型所用的比較指標為均方根誤差，均方根誤差RMSE計算表 達式如下RMSE=農^Jyl )2其中y/為擬合值(或預測值)，yi為實際值，η為樣本數，為樣本實測值y/ 的平均值；S5.通過各比較指標及誤差分析，選擇相對誤差及RMSE最小的模型為最優單產擬 合模型，利用上一年的最優遙感擬合模型，預測下一年的水稻單產。作為優選的一種方案，所述的步驟Sl中省級水稻單產抽樣調查方案，包括以下(1)預估產水稻收獲前10-15天，依照水稻逐丘播種面積核實登記，對調查村民 小組所有種植水稻的地塊進行逐丘臨田估產，登記每塊種植水稻地塊的預估畝產，然后，計 算調查點的平均畝產；(2)抽樣根據估產資料，將畝產高低排隊，以地塊播種面積為輔助指標進行累 計，編制抽樣框，采取半距起點等距抽樣的方法，抽取出8個實測地塊；(3)實測用10平方尺測規，在實測樣本地塊中，均勻割取5個小樣本；(4)推算方法預計產量
抽巾村民小組平均畝產播
地塊播種面積
全省平均畝產=抽111二ST 二之和 抽中村民小組個數 實測產量
ra免,i-價k九中1 一化驗的含水率雜質率合計iniW
國豕標準水雜率=--—、樸古-χ 100%
1 一國家標準率
實測水雜合計％ = 1 - (1 -水雜國家標準％)
X-
水稻地塊樣本凈重=水稻地塊樣本毛重χ 水稻地塊樣本凈重
水稻地塊實測標準畝產=-
水稻地塊樣本凈重 水稻地塊樣本毛重
1-實測水雜合計％ 1-水雜國家標準％
6000
畝扣損量
小樣本個數 小樣本面積(平方尺)當調查點水稻種植地塊數據多于8 ±夬，通過排隊抽選出來8個地塊進行實測，因此
調杳占水稻實測標準畝產=磁臓娜謝示雜袍十 n ^ ^ j t ；調查點實測地塊數合計當調查點水稻種植地塊數據為8塊或少于8塊時，采用的是全部實測，因此
kP +、 ni# 調查點水稻實測地塊總產合計
調查點水_頭測標準田廣=、mf上L仍—、Π||^從+曰械到品如八、丄
調查點水稍實測地塊丈量播種面積合計
全省水稻錢標_產=膽穌 ，畝產合計
調查點個數。進一步，所述步驟S2中，分析MODIS植被指數，Terra與Aqua MODIS EVI之間的 關系分別從以下兩個方面進行比較分析(1)基于像元水平的M0D09GA與MYD09GA EVI比較(2)基于3X3像元水平的M0D09GA與MYD09GA EVI比較比較內容包括各組兩數據集的散點圖、相關系數、各區間偏差絕對值。比較結果表 明M0D09GA與MYD09GAEVI在水稻種植區、水稻生長期間有超過50%的Terra與Aqua MODIS EVI誤差絕對值小于0. 03 ；有超過85%的誤差絕對值小于0. 08 ；超過95%的誤差絕對值小 于0.1。且基于3X3像元水平的M0D09GA與MYD09GA EVI之間的差別比基于單個像元的更 小。比較結果表明基于3X3像元水平的M0D09GA與MYD09GA EVI之間的差別比基于單個 像元的更小，可以結合用于基于水稻抽樣地塊的遙感估產研究。再進一步，所述步驟S4中，采采用了決定系數r2、均方根誤差和相對誤差，選擇決 定系數r2通過顯著性檢驗，且均方根誤差和相對誤差最小的模型作為最佳模型。本發明的有益效果主要表現在基于統計局統計抽樣調查地塊實割實測數據的省 級水稻單產遙感估算的依據是水稻產量與水稻生長過程中遙感參數(植被指數)的關系； 時間和空間分辨率和估產精度相對較高。
圖1為本發明實施例的湖南省國家水稻抽樣縣空間分布；
6
圖2為2006 (a) ,2007 (b)年湖南省早稻抽樣地塊空間分布；圖3為2006 (a) ,2007 (b)年湖南省晚稻抽樣地塊空間分布；圖4為2006 (a) ,2007 (b)年湖南省一季稻抽樣地塊空間分布；圖5為基于像元水平的2006-2007年湖南省水稻抽樣調查地塊所對應的M0D09GA 與 MYD09GA EVI 比較；圖6為基于3 X 3像元水平的2006-2007年湖南省水稻抽樣地塊所對應的M0D09GA 與 MYD09GA EVI 比較；圖7為本發明的基于統計局統計抽樣調查地塊實割實測數據的省級水稻單產遙 感估算流程圖；圖8為湖南省各地塊基于最優遙感擬合模型與實測數據的水稻單產比較 (2006-2007)；圖9 2007年湖南省各地塊水稻單產預測結果與實測值比較；
具體實施例方式下面結合附圖對本發明作進一步描述。參照圖1 圖9，一種基于統計局統計抽樣調查地塊實割實測數據的省級水稻單 產遙感估算方法，包括以下步驟Si.根據省級水稻單產抽樣調查方案，分析省級年度早稻、晚稻及一季稻抽樣調查 地塊實割實測標準畝產數據及其空間位置信息，生成帶有空間位置信息的省級年度早稻、 晚稻及一季稻抽樣調查地塊實割實測標準畝產數據集；S2.分析MODIS植被指數產品，從不同角度比較分析Terra與AquaMODISEVI之 間的關系；先后進行基于像元水平的M0D09GA與MYD09GA EVI比較，基于3X3像元水平的 M0D09GA與MYD09GA EVI比較，以證明Terra與AquaMODIS EVI結合使用的可行性，使之在 保持空間分辨率不變的前提下，將時間分辨率提高一倍。結果表明在水稻種植區、水稻生 長期間有超過50%的M0D09GA、MYD09GA EVI偏差絕對值小于0. 03 ；有超過85%的偏差絕對 值小于0. 08 ；超過95%的偏差絕對值小于0. 1。基于3X3像元水平的M0D09GA與MYD09GA EVI之間的差別比基于單個像元的更小，可以結合用于基于水稻抽樣地塊的遙感估產研究。S3.利用年度早稻、晚稻及一季稻抽樣調查地塊實割實測標準畝產數據、以及對應 空間位置的3X3像元M0D13Q1、MYD13Q1 EVI，根據水稻抽樣地塊空間分布特點，均勻選取 部分地塊作為驗證，其他地塊用于構建遙感估產模型，建立基于地塊水平的水稻各生育期 的一次線性、二次非線性、以及各生育期的逐步回歸省級水稻單產遙感擬合模型；S4.比較上述不同方法建立于統計局統計抽樣調查地塊實割實測數據的省級水稻 單產遙感擬合模型，確定最優模型所用的比較指標為均方根誤差，均方根誤差RMSE計算表 達式如下RMSE=^YJn{y^-yif其中y/為擬合值(或預測值)，Ji為實際值，η為樣本數，^為樣本實測值< 的平均值；S5.通過各比較指標及誤差分析，選擇相對誤差及RMSE最小的模型為最優單產擬合模型，利用上一年的最優遙感擬合模型，預測下一年的水稻單產。所述的步驟Sl中省級水稻單產抽樣調查方案，包括以下(1)預估產水稻收獲前10-15天，依照水稻逐丘播種面積核實登記，對調查村民 小組所有種植水稻的地塊進行逐丘臨田估產，登記每塊種植水稻地塊的預估畝產，然后，計 算調查點的平均畝產；(2)抽樣根據估產資料，將畝產高低排隊，以地塊播種面積為輔助指標進行累 計，編制抽樣框，采取半距起點等距抽樣的方法，抽取出8個實測地塊；
⑶實測用10平方尺測規，在實測樣本地塊中，均勻割取5個小樣本； (4)推算方法 預計產量
抽中村民小纟肝觸產=Σ·，:^；=—
Z地塊播種面積
t肖=-抽中村民小組平均畝產之和
抽中村民小組個數實測產量
此
H九中1 一化驗的含水率雜質率合計
國冢標準水雜率=---m 4·-、樸女-X100%
1 一國家標準率
實測水雜合計m-水雜國家標準％)x水稻地塊樣本凈重
水稻地塊樣本凈重=水稻地塊樣本毛重X
水稻地塊樣本毛重
1-實測水雜合計％ 1-水雜國家標準％
H符燦+t今、·廣》、.女水稻地塊樣本凈重6000」-±ni。曰
水fe地塊頭測標準W產=-,,γ . . ~χ丨士口、一田扣fe星
小樣本個數 小樣本面積C平萬尺)
當調查點水稻種植地塊數據多于8塊，通過排隊抽選出來8個地塊進行實測，因
η^調查點水稻實測地塊標準畝產合計
調查點水稻頭測標準田廣=-、屮太卜一、π丨丨…認私入、丄-
調查點實測地塊數合計 當調查點水稻種植地塊數據為8塊或少于8塊時，采用的是全部實測，因此
調查點水稻實測標準畝產=糖點水稻實測地塊總產合i十
全省水稻實測標準畝產
調查點水稻實測地塊丈量播種面積合計 調查點水稻實測標準畝產合計
調查點個數
8
所述步驟S2中，分析MODIS植被指數，Terra與AquaMODIS EVI之間的關系分別 從以下兩個方面進行比較分析(1)基于像元水平的M0D09GA與MYD09GA EVI比較(2)基于3X3像元水平的M0D09GA與MYD09GAEVI比較比較內容包括各組兩數據集的散點圖、相關系數、各區間偏差絕對值。比較結果 表明M0D09GA與MYD09GA EVI在水稻種植區、水稻生長期間有超過50%的Terra與Aqua MODIS EVI誤差絕對值小于0.03 ；有超過85%的誤差絕對值小于0. 08 ；超過95%的誤差絕 對值小于0.1。且基于3X3像元水平的M0D09GA與MYD09GA EVI之間的差別比基于單個像 元的更小。比較結果表明基于3X3像元水平的M0D09GA與MYD09GA EVI之間的差別比基 于單個像元的更小，可以結合用于基于水稻抽樣地塊的遙感估產研究。所述步驟S4中，采用了決定系數r2、均方根誤差和相對誤差，選擇決定系數r2通 過顯著性檢驗，且均方根誤差和相對誤差最小的模型作為最佳模型。根據圖1至圖9給出本發明的一個實施例，即完成湖南省2006-2007年水稻單產 遙感估算。要指出的是，所給出的實施例是為了說明本發明方法的技術特點和功能特點，以 使能更易于理解本發明，而不是限制本發明的范圍。參閱圖7，它是本發明的基于統計局統計抽樣調查地塊實割實測數據的省級水稻 單產遙感估算流程圖，具體步驟如下S1001.M0D13QUMYD13Q1 EVI比較分析及結合，生育期數據、水稻抽樣調查地塊實 割實測數據、及地塊空間位置數據集的生成；S1002.利用GIS技術，提取各地塊對應的各生育期M0D13Q1、MYD13Q1相結合的
EVI。S1003.建立MODIS EVI與地塊標準畝產數據的各主要生育期(分蘗期、孕穗期、抽 穗期、乳熟期及成熟期)的一次線性、二次非線性、及逐步回歸單產遙感擬合模型。S1004.綜合分析驗證指標決定系數r2、均方根誤差(RMSE)和相對誤差，比較不同 方法建立的省級水稻單產遙感估算擬合模型，確定省級水稻單產遙感估算最佳擬合模型。S1005.使用最佳擬合模型，完成實例的2007年湖南省早稻、晚稻、及一季稻省級 單產的預測。1.步驟S1001中M0D13Q1、MYD13Q1 EVI比較分析及結合具體實施如下根據植被 指數產品的算法，植被指數產品是在分析每天的反射率數據的基礎上得到的，本研究選擇 M0D09GA與MYD09GA每天的反射率產品進行比較，既能避免水稻生長引起的兩衛星觀測數 據的變化，又能間接的說明M0D13Q1和MYD13Q1產品結合使用的可能性。為了排除水稻生 長變化對EVI的影響，選擇每天的M0D09GA與MYD09GA產品。在一天內，Terra和Aqua對地 表觀測時間間隔較短，此期間水稻生長變化對反射率的影響可以忽略不計。為了排除天氣 對EVI的影響，利用M0D09GA與MYD09GA產品中數據質量控制信息，提取上下午都是晴天無 云的數據。為了排除非水稻植被的干擾，利用2006-2007年早稻、晚稻及一季稻地塊的空間 位置信息，提取地塊所對應像元的近紅外、紅光、藍光波段數據，計算得到湖南省2006-2007 年早晚稻及一季稻地塊所對應的水稻生長期間M0D09GA與MYD09GAEVI。比較結果如圖5所 示。從圖5中也可以看出，有些點偏離1 1線較遠。為了得到M0D09GA與MYD09GA EVI 之間差異的量化數據，本研究對以上處理得到的M0D09GA與MYD09GA EVI誤差絕對值進行統計分析，結果如表1所示。由表可知有超過50%像元的M0D09GA與MYD09GA EVI誤差絕 對值小于0. 03 ；87. 62%像元的誤差絕對值小于0. 08 ；95. 73%像元的誤差絕對值小于0. 1 ； 只有4. 27%像元的誤差絕對值大于0. 1。表1為基于像元水平的2006-2007年湖南省水稻 抽樣地塊所對應的M0D09GA與MYD09GAEVI偏差絕對值在各區間的百分比；
MOD09GA與MYD09GA EVI偏差絕對值占總像元的百分比(％)小于0.0122.74小于0.0239.44小于0.0351.63小于0.0461.24小于0.0569.39小于0.0676.28小于0.0782.04小于0.0887.62小于0.0992.21小于0.1095.73大于0.104.27表 1本研究的水稻遙感估產是基于地塊所對應的3X3像元水平的。為了更進一步說 明本研究利用Terra和Aqua MODIS EVI進行水稻遙感估產的可行性，下面進行基于3X 3 像元水平的M0D09GA與MYD09GA EVI比較。與基于像元水平的M0D09GA與MYD09GA EVI比較一樣，為了排除水稻生長變化、 天氣等對EVI的影響，也選擇晴天無云的、每天的反射率產品M0D09GA與MYD09GA。在進 行3X3像元重采樣后，計算EVI進行比較分析，結果如圖6所示，同樣得到基于3X3像元 水平的M0D09GA與MYD09GA EVI之間差異分析如表2所示。表2為基于3X3像元水平的 2006-2007年湖南省水稻抽樣地塊所對應的M0D09GA與MYD09GA EVI偏差絕對值在各區間 的百分比MOD09GA與MYD09GA EVI偏差絕對值占總像元的百分比(％)小于0.0123.53小于0.0240.37小于0.0352.63小于0.0462.28小于0.0570.49小于0.0677.42小于0.0783.23小于0.0888.84小于0.0993.49小于0.1097.02大于0.102.98表 2由圖6可知基于3X3像元水平的M0D09GA與MYD09GA EVI集中分布在1 1線 附件。比較表1、2可知，在M0D09GA與MYD09GAEVI誤差絕對值相同區間內，基于3 X 3像元 水平比基于單個像元水平的有更大的百分比。另外，計算得到基于單個像元與3X3像元水 平的M0D09GA與MYD09GA EVI的標準偏差分別為0. 12、0. 11。綜合以上分析可知，基于3X3像元水平的M0D09GA與MYD09GAEVI之間的差別比 基于單個像元的更小，可以結合用于基于水稻抽樣地塊的遙感估產研究。2.步驟S1003、S1004.建立MODIS EVI與地塊標準畝產數據的各主要生育期(分 蘗期、孕穗期、抽穗期、乳熟期及成熟期)的一次線性、二次非線性、及逐步回歸單產遙感擬 合模型，以及模型的誤差分析。具體實施如下根據2006-2007年早稻、晚稻及一季稻遙感估產的各主要生育期的一次線性、二 次非線性、及逐步回歸水稻遙感估產模型。經過誤差分析，選擇最優單產遙感擬合模型，結 果如表3所示。可以看出，各年水稻遙感估產模型中，以二次非性線模型或回歸模型精度較 高，且時相集中在水稻生長的孕穗期到抽穗期。表3為2006-2007年湖南省基于地塊實割 實測數據的水稻單產最優遙感擬合模型及其誤差分析(單位公斤/公頃，％ )年份種植 類型最優佔產模型樣本 數R2RMSE建模相對誤驗證相對誤 差 差早稻Y=99.532-120.361 EVI 孕翻 +786.962 EVI 抽 -133.695 EVI 乳熟期710.86297.540.31-0.522006晚稻y = 14738(EVI 抽棚)2 - 13749 EVI 抽糖 μ+ 3606400.82308.07-0.031.16一季 稻y = -3456(EVI 細》)2 + 4389 EVI 誦期 -883.2480.8125.811.150.13早稻y=142.734+568.591 EVI ^mm -135.454 EVI _期+52.911 EVI 乳熟期710.86 457.010.69-0.602007晚稻y = -580.1(EVI 抽穗期)2 + 841.5 EVI 麗 + 138.0440.814.51-0.19-0.35一季 稻129.376-81.532 EVI 孕穗期+645.541 EVI抽穗期+40.125 EVI乳蘭670.81503.970.550.12表 3由表3可知，水稻單產擬合模型的建模與驗證地塊的相對誤差都小于2%，2006年 早稻及2007年晚稻的RMSE較小，其他各模型的RMSE較大。將建模和驗證地塊綜合，利用 最優擬合模型擬合地塊單產，得到2006-2007年各地塊擬合與實割實測標準畝產數據進行 比較(圖8)。由圖可知，與實測值比較，點主要集中在1 1線附件。根據湖南省水稻單產抽樣調查方案中的推算方法，得到2006-2007年基于地塊的 湖南省水稻單產，結果如表4所示。可以看出，在省級水平上，基于地塊的水稻單產最優遙 感擬合模型的擬合值與統計值的相對誤差小于2%，其中2006年早稻、2007年一季稻的 RMSE較小。表4為2006-2007年湖南省基于地塊實割實測數據省級水稻單產最優遙感擬合 結果及誤差分析(單位公斤/公頃，％ )
年份種植類型單產RMSE相對誤差2006早稻5453.1639.62-1.11晚稻6178.84312.15-0.88一季稻6827.19701.410.952007早稻5599.86439.65-1.45晚稻6086.37257.54-0.90一季稻6855.346.251.45表 43.步驟S1005.使用最佳擬合模型，完成實例的2007年湖南省早稻、晚稻、及一季 稻省級單產的預測。具體實施如下在基于地塊實割實測數據的最優擬合模型的基礎上，通過提取與2006年最優遙 感估產模型所對應生育期的2007年各地塊3X3像元水平的M0D13Q1與MYD13Q1 EVI值。 代入2006年最優擬合模型預測2007年的省級水稻單產，從而得到基于2006年水稻總產最 優遙感擬合模型的2007年湖南省水稻單產預測結果，所得早稻、晚稻及一季稻單產遙感預 測結果與實測值誤差分析如表5所示。比較表5與表4可知，省級水稻單產預測結果相對 于擬合結果而言，RMSE及相對誤差明顯要大，但相對誤差仍然小于5%。表5為2007年湖南省基于地塊實割實測數據水稻單產遙感預測結果及誤差分析(單位公斤/公頃，％)
年份種植類型單產RMSE相對誤差2007早稻5774.18681.36-4.46晚稻6395.18370.204.88一季稻7112.54584.63-4.49表 5另外，2007年早稻、晚稻及一季稻單產遙感預測結果與實測值比較所得的散點圖 如圖9所示。由圖可知，雖然一些地塊預測結果與統計值相差較大，但總體上集中分布于 1 1線附近，說明預測結果與統計值在空間分布上具有較好的一致性。
權利要求
一種基于統計局統計抽樣調查地塊實割實測數據的省級水稻單產遙感估算方法，其特征在于所述省級水稻單產遙感估算方法包括以下步驟S1.根據省級水稻單產抽樣調查方案，分析省級年度早稻、晚稻及一季稻抽樣調查地塊實割實測標準畝產數據及其空間位置信息，生成帶有空間位置信息的省級年度早稻、晚稻及一季稻抽樣調查地塊實割實測標準畝產數據集；S2.分析MODIS植被指數產品，先后進行基于像元水平的MOD09GA與MYD09GAEVI比較，基于3×3像元水平的MOD09GA與MYD09GAEVI比較；S3.利用年度早稻、晚稻及一季稻抽樣調查地塊實割實測標準畝產數據、以及對應空間位置的3×3像元MOD13Q1、MYD13Q1EVI，根據水稻抽樣地塊空間分布特點，均勻選取部分地塊作為驗證，其他地塊用于構建遙感估產模型，建立基于地塊水平的水稻各生育期的一次線性、二次非線性、以及各生育期的逐步回歸省級水稻單產遙感擬合模型；S4.比較上述不同方法建立于統計局統計抽樣調查地塊實割實測數據的省級水稻單產遙感擬合模型，確定最優模型所用的比較指標為均方根誤差，均方根誤差RMSE計算表達式如下 <mrow><mi>RMSE</mi><mo>=</mo><msqrt> <mfrac><mn>1</mn><mi>n</mi> </mfrac> <msub><mi>Σ</mi><mi>n</mi> </msub> <msup><mrow> <mo>(</mo> <msup><msub> <mi>y</mi> <mi>i</mi></msub><mo>′</mo> </msup> <mo>-</mo> <msub><mi>y</mi><mi>i</mi> </msub> <mo>)</mo></mrow><mn>2</mn> </msup></msqrt> </mrow>其中yi′為擬合值，yi為實際值，n為樣本數，為樣本實測值yi′的平均值；S5.通過各比較指標及誤差分析，選擇相對誤差及RMSE最小的模型為最優單產擬合模型，利用上一年的最優遙感擬合模型，預測下一年的水稻單產。FSA00000255991300012.tif
2.如權利要求1所述的基于統計局統計抽樣調查地塊實割實測數據的省級水稻單產 遙感估算方法，其特征在于所述的步驟Sl中省級水稻單產抽樣調查方案，包括以下(1)預估產水稻收獲前10-15天，依照水稻逐丘播種面積核實登記，對調查村民小組 所有種植水稻的地塊進行逐丘臨田估產，登記每塊種植水稻地塊的預估畝產，然后，計算調 查點的平均畝產；(2)抽樣根據估產資料，將畝產高低排隊，以地塊播種面積為輔助指標進行累計，編 制抽樣框，采取半距起點等距抽樣的方法，抽取出8個實測地塊；(3)實測用10平方尺測規，在實測樣本地塊中，均勻割取5個小樣本；(4)推算方法預計產量抽中村民頓，===播種面積)Z地塊播種面積令省平i勺畝產=抽中村民小組平均畝產之和 “ 抽中村民小組個數實測產量國家標準水雜率J 一化驗率合計麗[1 一國豕標準率實測水雜合計W-水雜醜標準％)><^|||||水稻地塊樣本毛重水稻地塊樣本凈重=水稻地塊樣本毛重χ1-水雜國豕標準％水稻地塊實測標準田產~, 二U X丨討+甜卿、口、-田扣損量小樣本個數 小樣本面積(平萬尺)當調查點水稻種植地塊數據多于8塊，通過排隊抽選出來8個地塊進行實測，因此 調查點水稻實測標準畝產=—調查點實測地塊數合計當調查點水稻種植地塊數據為8塊或少于8塊時，采用的是全部實測，因此、 本與少爐中、遍廣^frIf調查點水稻實測地塊總產合計調查點水禾曰頭測標準田廣=調查點水職測地塊丈麗麵積合計全省水稻實測標準畝產=調查點水 ，畝產合計調查點個數。
3.如權利要求1或2所述的基于統計局統計抽樣調查地塊實割實測數據的省級水稻單 產遙感估算方法，其特征在于所述步驟S2中，分析MODIS植被指數，Terra與Aqua MODIS EVI之間的關系分別從以下兩個方面進行比較分析(1)基于像元水平的M0D09GA與MYD09GAEVI比較(2)基于3X3像元水平的M0D09GA與MYD09GAEVI比較比較內容包括各組兩數據集的 散點圖、相關系數、各區間偏差絕對值。比較結果表明M0D09GA與MYD09GA EVI在水稻種植區、水稻生長期間有超過50%的 Terra與Aqua MODIS EVI誤差絕對值小于0. 03 ；有超過85%的誤差絕對值小于0. 08 ；超過 95%的誤差絕對值小于0. 1。且基于3X3像元水平的M0D09GA與MYD09GA EVI之間的差別 比基于單個像元的更小。比較結果表明基于3X3像元水平的M0D09GA與MYD09GA EVI之 間的差別比基于單個像元的更小，可以結合用于基于水稻抽樣地塊的遙感估產研究。
4.如權利要求1或2所述的基于統計局統計抽樣調查地塊實割實測數據的省級水稻 單產遙感估算方法，其特征在于所述步驟S4中，采用了決定系數r2、均方根誤差和相對 誤差，選擇決定系數r2通過顯著性檢驗，且均方根誤差和相對誤差最小的模型作為最佳模 型。
全文摘要
一種基于統計局統計抽樣調查地塊實割實測數據的省級水稻單產遙感估算方法，包括以下步驟S1.根生成帶有空間位置信息的省級年度早稻、晚稻及一季稻抽樣調查地塊實割實測標準畝產數據集；S2.分析MODIS植被指數產品，從不同角度比較分析Terra與Aqua MODIS EVI之間的關系；S3.建立基于地塊水平的水稻各生育期的一次線性、二次非線性、以及各生育期的逐步回歸省級水稻單產遙感擬合模型；S4.確定最優模型所用的比較指標為均方根誤差；S5.通過各比較指標及誤差分析，選擇最優單產擬合模型，利用上一年的最優遙感擬合模型，預測下一年的水稻單產。本發明時間和空間分辨率和估產精度相對較高。
文檔編號A01G16/00GK101982055SQ20101027190
公開日2011年3月2日 申請日期2010年8月28日 優先權日2010年8月28日
發明者彭代亮, 王福民, 黃敬峰 申請人:浙江大學