本文關(guān)鍵詞：多尺度遙感數(shù)據(jù)結(jié)合空間抽樣方法的大區(qū)域作物面積估算

  更多相關(guān)文章： 遙感 空間抽樣 種植面積 樣本分配 粒子群

【摘要】：我國統(tǒng)計(jì)工作成績斐然,為國民經(jīng)濟(jì)的健康運(yùn)行發(fā)揮了很大作用。但是隨著人們對(duì)統(tǒng)計(jì)工作要求的提高,傳統(tǒng)的統(tǒng)計(jì)方式已經(jīng)很難滿足人們的要求。而在農(nóng)業(yè)生產(chǎn)中,掌握及時(shí)的農(nóng)作物耕地面積信息不僅有著重要的經(jīng)濟(jì)意義,對(duì)政府相關(guān)決策的制定也極為重要。因此,改進(jìn)我國當(dāng)前的統(tǒng)計(jì)調(diào)查手段,為政府有關(guān)決策部門提供快速、精確、全面的統(tǒng)計(jì)信息是十分有必要的。越來越多的研究和實(shí)踐表明,在遙感技術(shù)的支持下,基于經(jīng)典統(tǒng)計(jì)抽樣原理結(jié)合空間統(tǒng)計(jì)學(xué)理論發(fā)展起來的空間抽樣技術(shù)在農(nóng)情遙感監(jiān)測(cè)中的應(yīng)用日益廣泛。各國的大區(qū)域作物面積監(jiān)測(cè)均采用空間抽樣方法。例如,美國大面積農(nóng)作物估產(chǎn)計(jì)劃(LACIE計(jì)劃)、農(nóng)業(yè)和資源的空間遙感調(diào)查計(jì)劃(AGRISTTARS計(jì)劃)等采用了面積抽樣框法,歐盟的MARS計(jì)劃中采用了分層抽樣的方法。國內(nèi)先后開展了黃淮海平原小麥遙感估產(chǎn)、華北6省冬小麥產(chǎn)量遙感監(jiān)測(cè)、南方水稻估產(chǎn)等一系列的研究。與此同時(shí),如何針對(duì)研究區(qū)域構(gòu)造合適的空間抽樣方法以提高效率節(jié)省費(fèi)用成為最需要解決的核心問題。本文以新疆建設(shè)兵團(tuán)為研究區(qū)域,提出分區(qū)分層隨機(jī)抽樣的空間抽樣設(shè)計(jì)方案并結(jié)3S技術(shù),運(yùn)用多時(shí)相遙感影像對(duì)新疆建設(shè)兵團(tuán)的棉花種植面積進(jìn)行監(jiān)測(cè),利用均值及變異系數(shù)等精度指標(biāo)對(duì)該抽樣方法進(jìn)行了兩階段的空間抽樣效率評(píng)估。文中第一階段空間抽樣效率評(píng)估以中分遙感影像棉花種植面積統(tǒng)計(jì)結(jié)果為真值進(jìn)行對(duì)比,得到了只受抽樣誤差影響的反推精度。多次重復(fù)實(shí)驗(yàn)結(jié)果表明,反推后的棉花面積精度均達(dá)到95%以上。第二階段空間抽樣效率評(píng)估以二級(jí)樣本實(shí)測(cè)數(shù)據(jù)為基礎(chǔ),以分類后的一級(jí)樣本數(shù)據(jù)為依據(jù),其中一級(jí)樣本的分類方法選擇了文中改進(jìn)后的分類效果較優(yōu)的加權(quán)變異粒子群BP神經(jīng)網(wǎng)絡(luò)分類方法。最終反推結(jié)果表明各區(qū)反推精度均優(yōu)于93%,變異系數(shù)小于5%,反推質(zhì)量較優(yōu),為政府部門相關(guān)政策的制定提供了強(qiáng)有力的數(shù)據(jù)支持。
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S127

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡丹丹;艾小青;;抽樣單元包含二級(jí)單位時(shí)的適應(yīng)性整群抽樣研究[J];統(tǒng)計(jì)與決策;2015年18期

2 李云霄;彭道黎;何彥然;黃國勝;王雪軍;;基于多階抽樣的林地蓄積量估測(cè)方法——以三峽庫區(qū)為例[J];東北林業(yè)大學(xué)學(xué)報(bào);2015年05期

3 李建伏;趙玉成;賀懷清;;基于最大似然原理的分類屬性數(shù)據(jù)分層聚類算法[J];計(jì)算機(jī)應(yīng)用與軟件;2015年03期

4 劉國棟;鄔明權(quán);牛錚;王長耀;;基于GF-1衛(wèi)星數(shù)據(jù)的農(nóng)作物種植面積遙感抽樣調(diào)查方法[J];農(nóng)業(yè)工程學(xué)報(bào);2015年05期

5 王偉;;基于最小距離的多中心向量的增量分類算法[J];電腦知識(shí)與技術(shù);2015年04期

6 樊利恒;呂俊偉;于振濤;畢波;;基于改進(jìn)最大似然方法的多光譜遙感圖像分類方法[J];電光與控制;2014年10期

7 胡瑩瑾;崔海明;;基于RS和GIS的農(nóng)作物估產(chǎn)方法研究進(jìn)展[J];國土資源遙感;2014年04期

8 馬瀟瀟;張光勝;李長春;慎利;;改進(jìn)支持向量機(jī)算法無人機(jī)影像信息精確提取[J];測(cè)繪科學(xué);2015年03期

9 王迪;周清波;陳仲新;劉佳;;玉米種植面積空間抽樣調(diào)查方案優(yōu)化設(shè)計(jì)[J];農(nóng)業(yè)工程學(xué)報(bào);2014年08期

10 崔穎安;李雪;王志曉;張德運(yùn);;社會(huì)化媒體大數(shù)據(jù)多階段整群抽樣方法[J];軟件學(xué)報(bào);2014年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 洪保章;毛豆遙感光譜與地上鮮生物量的相關(guān)性分析[D];福建農(nóng)林大學(xué);2006年

，

本文編號(hào)：1194477