申克建，何 浩，蒙紅衛(wèi)，孫冠楠

(1.北京師范大學(xué)資源學(xué)院，地表過程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875;2.北京師范大學(xué)減災(zāi)與應(yīng)急管理研究院，北京 100875)

及時(shí)獲取農(nóng)作物種植面積信息及其空間分布狀況，對(duì)于準(zhǔn)確估計(jì)和預(yù)測(cè)農(nóng)作物產(chǎn)量，制定農(nóng)業(yè)政策，確保國(guó)家糧食安全具有重要意義［1-4］。中國(guó)法定部門主要通過兩種方式獲取農(nóng)作物種植面積信息:一是層層上報(bào);二是抽樣調(diào)查。層層上報(bào)受行政和人為因素干擾嚴(yán)重，準(zhǔn)確性差;抽樣調(diào)查方法雖然人為干擾小、準(zhǔn)確性高，但工作量大，人力、物力、財(cái)力投入大。兩種方法都無法提供農(nóng)作物空間分布狀況［5］。

遙感具有覆蓋范圍大、探測(cè)周期短、現(xiàn)勢(shì)性強(qiáng)、費(fèi)用成本低等特點(diǎn)，為快速、準(zhǔn)確、動(dòng)態(tài)監(jiān)測(cè)糧食作物種植面積提供了技術(shù)手段［6-7］。按遙感在農(nóng)作物面積調(diào)查中的作用，可以把農(nóng)作物面積調(diào)查方法總結(jié)為三種:遙感數(shù)據(jù)為主要信息源的方法、多源數(shù)據(jù)復(fù)合方法和空間抽樣調(diào)查方法。遙感數(shù)據(jù)為主要信息源的方法有:目視解譯［8］、監(jiān)督分類［9-10］、非監(jiān)督分類與其它方法結(jié)合［11］、模糊分類［12-13］、人工神經(jīng)網(wǎng)絡(luò)影像分類［14］、基于專家知識(shí)和地學(xué)知識(shí)的圖像分類［15-16］、面向?qū)ο蠓诸悾?7-18］、混合像元分解［19］。多源數(shù)據(jù)復(fù)合方法有:輔助數(shù)據(jù)與遙感數(shù)據(jù)復(fù)合［11］、多時(shí)相遙感數(shù)據(jù)復(fù)合［20-21］、多分辨率遙感數(shù)據(jù)復(fù)合［22］?？臻g抽樣調(diào)查方法有回歸估計(jì)、系統(tǒng)抽樣、分層抽樣、小面積估計(jì)等方法。

農(nóng)作物面積調(diào)查存在精度、時(shí)效和成本的矛盾。一些在小范圍取得高精度的方法不適合大尺度，還存在成本高等問題［23］。因此，大尺度農(nóng)作物面積調(diào)查常采用空間抽樣調(diào)查方法［24］，這種方法較好地解決了精度、時(shí)效和成本之間的矛盾，已被應(yīng)用于美國(guó)、歐盟和中國(guó)等國(guó)家和地區(qū)農(nóng)作物面積調(diào)查。文章主要回顧農(nóng)作物面積空間抽樣調(diào)查的發(fā)展過程，預(yù)測(cè)了農(nóng)作物面積調(diào)查的發(fā)展趨勢(shì)，希望能對(duì)農(nóng)作物抽樣調(diào)查的研究和應(yīng)用提供指導(dǎo)。

1 農(nóng)作物面積空間抽樣調(diào)查概述

傳統(tǒng)抽樣中每個(gè)對(duì)象被分配一個(gè)編號(hào)以區(qū)別抽樣對(duì)象，對(duì)換任意兩編號(hào)對(duì)象，不改變抽樣結(jié)果。和傳統(tǒng)抽樣調(diào)查相比，空間抽樣調(diào)查對(duì)象具有地理空間坐標(biāo)，如果改變空間對(duì)象的位置，則改變抽樣調(diào)查總體，影響抽樣調(diào)查結(jié)果［25］，即空間抽樣調(diào)查對(duì)象有地理空間坐標(biāo)和屬性值。農(nóng)作物面積空間抽樣調(diào)查通常依據(jù)面積樣框進(jìn)行，面積樣框抽樣源于美國(guó)國(guó)家農(nóng)業(yè)統(tǒng)計(jì)局的面積抽樣調(diào)查，面積樣框抽樣彌補(bǔ)了目錄抽樣中目錄框現(xiàn)勢(shì)性差的不足。根據(jù)抽樣單元的形狀，面積樣框有點(diǎn)、樣條、切塊等形狀［26］。在理論上“點(diǎn)”是零維的，實(shí)際調(diào)查中被指定成小面積樣方用于觀測(cè)。樣條是具有一定寬度的“線”。切塊可以通過兩種方式定義面積單元，一種是以公路、鐵路、水渠等為自然邊界;另一種是正方形、長(zhǎng)方形等規(guī)則樣框，相比之下，規(guī)則樣框的建立要快速經(jīng)濟(jì)的多。這兩種面積樣框的估計(jì)精度已被證明是相似的［27］。

當(dāng)采用面積樣框時(shí)，遙感數(shù)據(jù)可以輔助空間抽樣調(diào)查。在抽樣設(shè)計(jì)階段，遙感數(shù)據(jù)提供研究區(qū)概貌，輔助定義抽樣單元、定義層、抽樣單元大小;在估計(jì)階段，遙感分類影像作為回歸估計(jì)或基于混淆矩陣估計(jì)的輔助變量［26］。此外，遙感數(shù)據(jù)還能提供野外調(diào)查的地圖文件，控制測(cè)量結(jié)果質(zhì)量［28］。

2 空間抽樣調(diào)查技術(shù)國(guó)外研究進(jìn)展

20世紀(jì)70年代以來，美國(guó)、歐盟、加拿大、巴西、俄羅斯、印度等國(guó)家和地區(qū)先后開展了小麥、玉米、水稻、大豆、棉花等主要農(nóng)作物種植面積和產(chǎn)量的估算等工作，實(shí)施了一系列重大計(jì)劃，利用遙感技術(shù)改進(jìn)傳統(tǒng)農(nóng)業(yè)統(tǒng)計(jì)方法，并形成了業(yè)務(wù)化運(yùn)行的面積和估產(chǎn)系統(tǒng)［29］，創(chuàng)造了巨大經(jīng)濟(jì)與社會(huì)效益。國(guó)際上與農(nóng)作物面積估計(jì)有關(guān)的農(nóng)情遙感監(jiān)測(cè)與作物估產(chǎn)系統(tǒng)以美國(guó)、歐盟為主要代表［30］。

2.1 美國(guó)的農(nóng)作物面積調(diào)查

1974～1977年，美國(guó)農(nóng)業(yè)部 (USDA)、國(guó)家海洋大氣管理局 (NOAA)、宇航局 (NASA)和商業(yè)部合作主持了“大面積農(nóng)作物估產(chǎn)實(shí)驗(yàn) (Large Area Crop Inventory and Experiment)”計(jì)劃，簡(jiǎn)稱LACIE計(jì)劃。LACIE計(jì)劃早期采用遙感結(jié)合抽樣的方法進(jìn)行農(nóng)作物面積估計(jì)，使用Landsat Mss影像，抽樣單元大小是9.26×11.11km2。最初主要分析抽樣誤差的影響，很快發(fā)現(xiàn)面積估計(jì)的誤差主要來自影像分類的錯(cuò)分誤差和漏分誤差［31，32］。

1980～1986年，美國(guó)農(nóng)業(yè)部、宇航局、商業(yè)部、國(guó)家海洋大氣管理局和內(nèi)政部開展了農(nóng)業(yè)和資源的空間遙感調(diào)查計(jì)劃 (Agriculture and Resources Inventory Surveys Through Aerospace Remote Sensing，簡(jiǎn)稱AgRISTARS計(jì)劃)［33］。農(nóng)作物面積估算是將“六月農(nóng)業(yè)測(cè)量”(June Agricultural Survey)數(shù)據(jù)和遙感分類結(jié)果建立回歸關(guān)系，按照分層抽樣模型匯總出整個(gè)調(diào)查區(qū)的農(nóng)作物面積，樣方大小從259 hm2(耕地)到25.9 hm2(城區(qū))，樣方選取比例是耕作區(qū)高，非耕作區(qū)低［34］。

1997年～至今，美國(guó)農(nóng)業(yè)部的國(guó)家農(nóng)業(yè)統(tǒng)計(jì)局 (National Agricultural Statistical Service)實(shí)施了農(nóng)田數(shù)據(jù)層計(jì)劃 (Cropland Data Layer Program，簡(jiǎn)稱CDL計(jì)劃)，將遙感分類結(jié)果 (TM或AWiFS數(shù)據(jù))和六月測(cè)量數(shù)據(jù)進(jìn)行回歸估計(jì)，2007年首次實(shí)現(xiàn)了作物生長(zhǎng)季期間的農(nóng)作物面積估算，2010年實(shí)現(xiàn)了27個(gè)州的16種農(nóng)作物面積估算，通過小面積估計(jì)方法在作物生長(zhǎng)季結(jié)束時(shí)實(shí)現(xiàn)了36個(gè)州的農(nóng)作物面積估算［35］。美國(guó)農(nóng)業(yè)部外國(guó)農(nóng)業(yè)服務(wù)局 (Foreign Agricultural Service)的一項(xiàng)任務(wù)是監(jiān)測(cè)全球其他國(guó)家的農(nóng)作物長(zhǎng)勢(shì)，估計(jì)其單產(chǎn)潛力，農(nóng)作物種植面積估計(jì)主要靠各國(guó)政府的報(bào)告和統(tǒng)計(jì)資料［32］。

2.2 歐盟的農(nóng)作物面積調(diào)查

2.2.1 MARS計(jì)劃

歐盟MARS計(jì)劃 (Monitoring Agriculture with Remote Sensing)是將遙感技術(shù)應(yīng)用于農(nóng)業(yè)統(tǒng)計(jì)的十年項(xiàng)目，1987年由負(fù)責(zé)歐盟農(nóng)業(yè)的歐盟第六司提出，1988年與歐盟委員會(huì)統(tǒng)計(jì)辦公室合作開展，其協(xié)調(diào)和組織工作由位于意大利的歐盟聯(lián)合研究中心 (Joint Research Centre)的遙感應(yīng)用研究所 (Institute of Remote Sensing Applications)負(fù)責(zé)［36-37］。研究目的是開發(fā)出能夠改善歐盟農(nóng)業(yè)統(tǒng)計(jì)體系的新方法，通過在大尺度實(shí)驗(yàn)建成能夠?qū)嶋H應(yīng)用的運(yùn)行系統(tǒng)。這個(gè)計(jì)劃分兩個(gè)階段:MARS－I和MARS－II。MARS－I(1989～1993)包括七項(xiàng)行動(dòng)［36］，有兩項(xiàng)行動(dòng)和農(nóng)作物面積估算有關(guān)［37］。行動(dòng)1是區(qū)域面積清查，目標(biāo)是通過面積框抽樣估計(jì)農(nóng)作物面積和產(chǎn)量。行動(dòng)4是農(nóng)作物面積和產(chǎn)量變化的快速估計(jì)，目標(biāo)是快速估計(jì)農(nóng)作物面積和產(chǎn)量［38］。MARS－II(1994～1998)包括 MARS－STAT、MARS－CAP、MARS－Extensions三項(xiàng)。MARS－STAT的目標(biāo)是通過遙感技術(shù)改進(jìn)農(nóng)業(yè)統(tǒng)計(jì)，分為行動(dòng)A和行動(dòng)B，分別對(duì)應(yīng)原MARS－I計(jì)劃中的行動(dòng)1和行動(dòng)4;MARS－CAP的目標(biāo)是農(nóng)業(yè)補(bǔ)貼政策研究;MARS－Extensions的目標(biāo)是歐盟的方法應(yīng)用于非歐盟國(guó)家和地區(qū)［39］。

行動(dòng)1(行動(dòng)A)最初選擇5個(gè)實(shí)驗(yàn)區(qū)，1992年增加了西班牙、希臘、中歐的實(shí)驗(yàn)區(qū)，借鑒USDANASS方案，通過分類結(jié)果 (主要是Landsat－TM，一些是SPOT XS)和面積框地面調(diào)查數(shù)據(jù)建立回歸關(guān)系［32］，估計(jì)了小麥、大麥、玉米、水稻、油菜、豆類、向日葵、甜菜等農(nóng)作物的面積［39］。抽樣單元依據(jù)土地覆蓋狀況而定，從25hm2到200hm2，當(dāng)時(shí)業(yè)務(wù)部門不能接受遙感技術(shù)的高成本［40］。

行動(dòng)4(行動(dòng)B)估計(jì)的對(duì)象是歐盟，從3月到11月，每月向歐盟委員會(huì)提供一次估計(jì)結(jié)果。采用兩階段抽樣方案，第一階段在歐盟范圍內(nèi)布設(shè)60個(gè)40km×40km大小的樣區(qū)［38］，第二階段是在每一個(gè)樣區(qū)內(nèi)布設(shè)16個(gè)700m×700m大小的樣方［37］，主要使用SPOT－XS影像，少量使用Landsat－TM影像，不使用地面調(diào)查數(shù)據(jù)。首先把92%的像元硬分類，8%的像元軟分類，然后將分類結(jié)果根據(jù)農(nóng)業(yè)政策等其它輔助信息進(jìn)行調(diào)整，主要農(nóng)作物的精度從±10%到±30%［40］，遙感影像對(duì)估計(jì)誤差的影響還存在很大的爭(zhēng)論［32］。

2.2.2 LUCAS計(jì)劃

歐盟LUCAS計(jì)劃 (Land Use/Cover Area－frame Survey)是一個(gè)多目標(biāo)和多使用者計(jì)劃，一個(gè)目標(biāo)是進(jìn)行主要農(nóng)作物面積估計(jì)，為農(nóng)業(yè)統(tǒng)計(jì)用戶服務(wù)［32，41］。這項(xiàng)計(jì)劃每三年一個(gè)周期，已經(jīng)進(jìn)行了三個(gè)階段:

LUCAS2001－2003采用集中樣方的兩階段系統(tǒng)抽樣，初級(jí)抽樣單元 (PSU)采用系統(tǒng)抽樣的方法，格網(wǎng)大小18km×18km，格網(wǎng)交點(diǎn)上布設(shè)10個(gè)樣方 (兩排，每排5個(gè)，樣方相距300m)，大約抽取了10 000個(gè)PSUs;次級(jí)抽樣 (SSU)單元是直徑3m大小的圓形樣方。具體一種土地覆蓋的估計(jì)是將研究區(qū)的面積乘以它在地面調(diào)查中所占比例［32］。

LUCAS2006采用非集中樣方的兩相系統(tǒng)抽樣，第一階段采用系統(tǒng)抽樣，以2km為步長(zhǎng)布設(shè)樣方，布設(shè)990 000個(gè)樣方，這些樣方通過歷史高分辨數(shù)據(jù) (大部分是1m分辨率)進(jìn)行分類識(shí)別，然后對(duì)分類識(shí)別結(jié)果分層，分層會(huì)存一定誤差，但可以滿足大部分農(nóng)作物估算精度的需求。第二階段根據(jù)第一階段分層結(jié)果，不同層抽取不同比例進(jìn)行地面調(diào)查，比如農(nóng)作物抽取50%樣本，裸地抽取10%樣本。最后抽取250 000個(gè)樣方［42］。具體一種土地覆蓋的估計(jì)是將研究區(qū)面積乘以它在地面調(diào)查中所占比例［43］。

LUCAS2009的抽樣方案類似于LUCAS2006年的抽樣方案，但是農(nóng)業(yè)層的抽樣比減小，其它層的抽樣比增加，抽取230 000個(gè)樣方。LUCAS目前已經(jīng)完成了實(shí)驗(yàn)階段，成為一項(xiàng)歐盟的業(yè)務(wù)化運(yùn)行業(yè)務(wù)，被應(yīng)用為農(nóng)業(yè)環(huán)境指標(biāo)［32］。

2.2.3 Geoland2計(jì)劃

Geoland2計(jì)劃由歐盟第7框架計(jì)劃支持，開始于2008年9月，計(jì)劃持續(xù)50個(gè)月，耗資3 250萬歐元［44］，其子項(xiàng)目SATCHMO－AFS(Area Frame Sample)正在研究分辨率1～4m的遙感數(shù)據(jù)用于估算歐盟土地覆蓋面積 (變化)的潛力。Geoland2計(jì)劃采用系統(tǒng)抽樣方法，抽取約200個(gè)10 km ×10 km的單元，這種方法估計(jì)土地覆蓋的結(jié)果并不理想，但這種方法估算土地覆蓋變化的結(jié)果較好［45］。

2.3 其他國(guó)家

加拿大、巴西、俄羅斯、印度、阿根廷都建立了包含面積監(jiān)測(cè)在內(nèi)的農(nóng)情遙感監(jiān)測(cè)系統(tǒng)。這些系統(tǒng)的面積估算方法多是在LACIE和AgRISTAR項(xiàng)目基礎(chǔ)上發(fā)展起來的［29］，該文不作介紹。

2.4 國(guó)外空間抽樣調(diào)查技術(shù)小結(jié)

國(guó)外很多國(guó)家都建立了包含面積監(jiān)測(cè)在內(nèi)的農(nóng)情遙感監(jiān)測(cè)系統(tǒng)，對(duì)農(nóng)作物面積進(jìn)行業(yè)務(wù)化監(jiān)測(cè)，為相關(guān)組織機(jī)構(gòu)和政府決策提供依據(jù)。國(guó)外農(nóng)作物面積空間抽樣調(diào)查的方法主要是回歸估計(jì)、小區(qū)域估計(jì)、系統(tǒng)抽樣、分層抽樣以及上述方法的組合。

美國(guó)的LACIE計(jì)劃、AgRISTARS計(jì)劃、CDL計(jì)劃中的農(nóng)作物面積估算都采用了回歸估計(jì)實(shí)現(xiàn)主要農(nóng)作物面積的估計(jì)，CDL計(jì)劃在36個(gè)州通過小區(qū)域估計(jì)進(jìn)行了16種農(nóng)作物面積的估計(jì)。

歐盟的MARS計(jì)劃、LUCAS計(jì)劃、Geoland2計(jì)劃中的農(nóng)作物面積估算都采用了系統(tǒng)抽樣或者系統(tǒng)抽樣與分層抽樣結(jié)合的方法。LUCAS計(jì)劃已成為歐盟的一項(xiàng)業(yè)務(wù)化運(yùn)行業(yè)務(wù)，其面積估計(jì)結(jié)果被應(yīng)用為農(nóng)業(yè)環(huán)境指標(biāo)。Geoland2計(jì)劃的方法估計(jì)土地覆蓋的結(jié)果并不理想，但估算土地覆蓋變化的結(jié)果較好。

3 中國(guó)空間抽樣調(diào)查技術(shù)研究進(jìn)展

我國(guó)農(nóng)業(yè)土地覆蓋與美洲、歐洲和澳洲不同，地塊破碎，套種、間種普遍存在，為此國(guó)內(nèi)進(jìn)行了大量研究與應(yīng)用示范，提出了許多針對(duì)我國(guó)復(fù)雜農(nóng)情狀況的空間抽樣方法，建立的業(yè)務(wù)化運(yùn)行系統(tǒng)有“全球農(nóng)情遙感速報(bào)系統(tǒng)”和“北京市統(tǒng)計(jì)生態(tài)資源遙感測(cè)量運(yùn)行系統(tǒng)”等。

周華茂以成都平原為研究區(qū)，以1:10萬地形圖作為工作底圖，將樣方大小定義為500m×500m，根據(jù)水稻生產(chǎn)的集約化程度、地形地貌、土地利用現(xiàn)狀等生長(zhǎng)環(huán)境把研究區(qū)分為6層，建立了一套適合我國(guó)南方水稻播種面積抽樣調(diào)查的技術(shù)體系，調(diào)查精度能滿足水稻面積宏觀監(jiān)測(cè)和水稻估產(chǎn)中面積調(diào)查的精度要求［46］。陳仲新等采用的抽樣單元為縣，以全國(guó)縣級(jí)冬小麥統(tǒng)計(jì)數(shù)據(jù)為分層指標(biāo)，用累計(jì)平方根法將全國(guó)1411個(gè)冬小麥生產(chǎn)縣分為6層，建立全國(guó)冬小麥面積變化遙感監(jiān)測(cè)抽樣外推模型，然后近似隨機(jī)地從各層抽取冬小麥生產(chǎn)縣，用TM影像人工判讀的方法解譯冬小麥的變化，最后利用外推模型得出全國(guó)冬小麥面積的變化［47］。焦險(xiǎn)峰以全國(guó)1∶10萬土地利用圖為背景數(shù)據(jù)庫，提取主產(chǎn)區(qū)水田分布信息，以此為抽樣總體，采用1∶5萬比例尺標(biāo)準(zhǔn)地形圖幅作為分層抽樣的抽樣單元，以抽樣單元中水田面積作為分層標(biāo)志，用累計(jì)平方根法將所有抽樣單元分為6層，以遙感數(shù)據(jù)與地面調(diào)查相結(jié)合的方法監(jiān)測(cè)樣本的當(dāng)年和上一年水稻種植面積，在給定精度條件下估算水稻種植面積年際變化率，為農(nóng)業(yè)部全國(guó)水稻遙感監(jiān)測(cè)提供了大尺度水稻遙感監(jiān)測(cè)的運(yùn)行方案［47］。

中國(guó)科學(xué)院遙感應(yīng)用研究所建設(shè)和運(yùn)行了“全球農(nóng)情遙感速報(bào)系統(tǒng)”，是全球尺度農(nóng)情遙感業(yè)務(wù)監(jiān)測(cè)的主要運(yùn)行系統(tǒng)之一，可以在全球尺度提供作物長(zhǎng)勢(shì)、單產(chǎn)、種植面積、產(chǎn)量和旱情等農(nóng)情信息。自1998年建設(shè)至今，監(jiān)測(cè)范圍拓展到全球26個(gè)國(guó)家，監(jiān)測(cè)目標(biāo)從冬小麥單一作物發(fā)展到小麥、水稻、玉米等多種作物，監(jiān)測(cè)結(jié)果為國(guó)家重大決策提供了可靠的信息支持［49］。作物種植面積遙感監(jiān)測(cè)方面，系統(tǒng)采用GVG農(nóng)情采樣系統(tǒng)進(jìn)行全國(guó)范圍的作物種植結(jié)構(gòu)調(diào)查，農(nóng)作物種植面積估算的報(bào)告單元可以是縣級(jí)和省級(jí)。正在開展的光學(xué)遙感數(shù)據(jù)與SAR數(shù)據(jù)融合的作物識(shí)別方法研究，有望進(jìn)一步發(fā)展作物精準(zhǔn)識(shí)別方法，解決國(guó)外作物種植面積監(jiān)測(cè)的難題［49］。GVG農(nóng)情采樣系統(tǒng)存在樣本代表性的問題，在我國(guó)種植結(jié)構(gòu)復(fù)雜地區(qū)無法獲取作物的真實(shí)比例［50］。系統(tǒng)存在著強(qiáng)度大，費(fèi)用高的不足［29］。

全國(guó)范圍的農(nóng)作物面積遙感監(jiān)測(cè)由于缺乏運(yùn)行化的規(guī)范方法而一直未能正式納入政府統(tǒng)計(jì)體系［11］。國(guó)家統(tǒng)計(jì)局在北京師范大學(xué)的支撐下建設(shè)和運(yùn)行了“國(guó)家糧食主產(chǎn)區(qū)糧食作物種植面積遙感測(cè)量與估產(chǎn)業(yè)務(wù)系統(tǒng)”，農(nóng)作物面積遙感測(cè)量與估產(chǎn)連續(xù)多年在江蘇、河南、湖北、吉林開展示范應(yīng)用，基本具備了推廣應(yīng)用基礎(chǔ)［51］。在北京師范大學(xué)的技術(shù)支持下，北京市統(tǒng)計(jì)局建設(shè)和運(yùn)行了“北京市統(tǒng)計(jì)生態(tài)資源遙感測(cè)量運(yùn)行系統(tǒng)”，采用遙感結(jié)合抽樣的技術(shù)手段調(diào)查農(nóng)作物面積，取代了傳統(tǒng)的層層上報(bào)和傳統(tǒng)抽樣調(diào)查，2009年正式應(yīng)用到北京市的統(tǒng)計(jì)工作中［52］。

4 結(jié)束語

經(jīng)過30多年的發(fā)展，國(guó)外在農(nóng)作物面積估算方面的突出優(yōu)點(diǎn)總結(jié)為以下幾個(gè)方面:第一，建立了業(yè)務(wù)化運(yùn)行系統(tǒng)，其估計(jì)結(jié)果被用于指導(dǎo)國(guó)內(nèi)外農(nóng)業(yè)政策的制定;第二，隨著新數(shù)據(jù)的誕生、新監(jiān)測(cè)技術(shù)的發(fā)展以及對(duì)全球尺度農(nóng)情信息需求的不斷增加，估算方法不斷改進(jìn)，遙感結(jié)合抽樣的方法是其主要估算方法。

國(guó)外的研究對(duì)我國(guó)同類研究和應(yīng)用的借鑒有以下幾個(gè)方面:第一，借鑒其遙感結(jié)合抽樣的方法，設(shè)計(jì)符合中國(guó)土地覆蓋特點(diǎn)的抽樣估算方法。第二，借鑒美國(guó)的小區(qū)域估計(jì)，使抽取的樣本既能估計(jì)本級(jí)總體，又能滿足估計(jì)下一級(jí)總體的要求［53］。第三，借鑒其空間抽樣和調(diào)查的技術(shù)標(biāo)準(zhǔn)和規(guī)范，包括其土地覆蓋分類系統(tǒng)，幾何校正等遙感數(shù)據(jù)處理標(biāo)準(zhǔn)，外業(yè)調(diào)查規(guī)范等，以及空間抽樣框架的選擇、樣本容量的計(jì)算、總體外推和抽樣精度的定量表達(dá)等。

此外，還需深入研究樣本空間布局合理性問題，成本和精度最優(yōu)化等問題。上述農(nóng)作物面積監(jiān)測(cè)計(jì)劃沒有充分發(fā)揮遙感技術(shù)的潛力，農(nóng)作物種植面積監(jiān)測(cè)不是依賴大量的地面調(diào)查，就是依賴高分辨率遙感數(shù)據(jù)。要使大尺度農(nóng)作物面積空間抽樣調(diào)查方案達(dá)到農(nóng)業(yè)統(tǒng)計(jì)的要求，需要進(jìn)一步研究地統(tǒng)計(jì)學(xué)在農(nóng)作物面積估算的潛在應(yīng)用價(jià)值［28］。隨著無人機(jī)遙感技術(shù)在民用領(lǐng)域的廣泛應(yīng)用［54-55］，它具有減少地面調(diào)查強(qiáng)度，降低成本，保障高分辨數(shù)據(jù)獲取的優(yōu)勢(shì)［56］，因此它有望代替地面調(diào)查。Laliberte［57］等應(yīng)用無人機(jī)遙感數(shù)據(jù)進(jìn)行牧場(chǎng)監(jiān)測(cè)，證明無人機(jī)遙感數(shù)據(jù)可以補(bǔ)充或者替代部分地面調(diào)查數(shù)據(jù);Breckenridge［58］研究證明無人機(jī)可以在較短的時(shí)間內(nèi)能采集大范圍的影像，其采集效率比地面數(shù)據(jù)采集要高的多。因此，航空遙感結(jié)合航天遙感技術(shù)，將是多種行業(yè)應(yīng)用的發(fā)展趨勢(shì)，也是農(nóng)業(yè)統(tǒng)計(jì)重要發(fā)展方向。

［1］Quarmby N A，Milnes M，Hindle T L，et al．The use of multi－temporal NDVI measurements from AVHRR data for crop yield estimation and prediction．International Journal of Remote Sensing．1993，14(2):199～210

［2］Tao F，Yokozawa M，Zhang Z，et al．Remote sensing of crop production in China by production efficiency models:models comparisons，estimates and uncertainties．Ecological modelling．2005，183(4):385 ～396

［3］Blaes X，Vanhalle L，Defourny P．Efficiency of crop identification based on optical and SAR image time series．Remote sensing of environment．2005，96(3-4):352～365

［4］Tsiligirides T A．Remote sensing as a tool for agricultural statistics:a case study of area frame sampling methodology in Hellas．Computers and electronics in agriculture．1998，20(1):45～77

［5］馬麗，顧曉鶴，徐新剛，等．地塊數(shù)據(jù)支持下的玉米種植面積遙感測(cè)量方法．農(nóng)業(yè)工程學(xué)報(bào)．2009，25(8):147～151

［6］劉紀(jì)遠(yuǎn)．國(guó)家資源環(huán)境遙感宏觀調(diào)查與動(dòng)態(tài)監(jiān)測(cè)研究．遙感學(xué)報(bào)．1997，1(03):225～230

［7］童慶禧．遙感科學(xué)技術(shù)進(jìn)展．地理學(xué)報(bào)．1994，49(S1):616～624

［8］王乃斌．中國(guó)小麥遙感動(dòng)態(tài)監(jiān)測(cè)與估產(chǎn)．北京:中國(guó)科學(xué)技術(shù)出版社，1996:305

［9］劉東林，周建林，王晶鑫，等．農(nóng)作物遙感分類中一種改進(jìn)的最大似然法．中國(guó)農(nóng)業(yè)資源與區(qū)劃．1998(05):15～18

［10］Baban S，Luke C．Mapping agricultural land use using retrospective ground referenced data，satellite sensor imagery and GIS．International Journal of Remote Sensing．2000，21(8):1757～1762

［11］焦險(xiǎn)峰．大尺度作物面積遙感抽樣調(diào)查方法研究．中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2006

［12］李郁竹，曾燕．應(yīng)用NOAA/AVHRR數(shù)據(jù)測(cè)算局地水稻種植面積方法研究．遙感學(xué)報(bào)．1998，2(02):125～130

［13］尤淑撐，張瑋，嚴(yán)泰來，等．模糊分類技術(shù)在作物類型識(shí)別中的應(yīng)用．國(guó)土資源遙感．2000，(1):39～43

［14］閻靜，王汶，李湘閣．利用神經(jīng)網(wǎng)絡(luò)方法提取水稻種植面積——以湖北省雙季早稻為例．遙感學(xué)報(bào)．2001，5(03):227～230

［15］傅肅性．地學(xué)分析在遙感專題制圖中的應(yīng)用．國(guó)土資源遙感．1994(03):41～47

［16］楊存建，周成虎．基于知識(shí)的遙感圖像分類方法的探討．地理學(xué)與國(guó)土研究．2001，17(01):72～76

［17］張建國(guó)，李憲文，吳延磊．面向?qū)ο蟮亩←湻N植面積遙感估算研究．農(nóng)業(yè)工程學(xué)報(bào)．2008，24(05):156～159

［18］鄧媛媛，巫兆聰，易俐娜，等．面向?qū)ο蟮母叻直媛视跋褶r(nóng)用地分類．國(guó)土資源遙感．2010(04):117～121

［19］Quarmby N A，Townshend J，Settle J J，et al．Linear mixture modelling applied to AVHRR data for crop area estimation．International Journal of Remote Sensing．1992，13(3):415～425

［20］馬麗，徐新剛，賈建華，等．利用多時(shí)相TM影像進(jìn)行作物分類方法．農(nóng)業(yè)工程學(xué)報(bào)．2008，24(S2):191～195

［21］Xiao X，Boles S，Liu J，et al．Mapping paddy rice agriculture in southern China using multi－ temporal MODIS images．Remote Sensing of Environment．2005，95(4):480 ～492

［22］康曉風(fēng)，王乃斌，楊小喚．糧食種植面積提取方法的發(fā)展與現(xiàn)狀．資源科學(xué)．2002，24(5):8～12

［23］許文波．大范圍作物種植面積遙感監(jiān)測(cè)方法研究．中國(guó):2004

［24］黃青，王迪，劉佳．農(nóng)情遙感監(jiān)測(cè)中空間抽樣技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)．中國(guó)農(nóng)業(yè)資源與區(qū)劃．2009，30(2):13～17

［25］姜成晟，王勁峰，曹志冬．地理空間抽樣理論研究綜述．地理學(xué)報(bào)．2009，64(3):368～380

［26］Carfagna E，Gallego F J．Using remote sensing for agricultural statistics．International statistical review．2005，73(3):389 ～404

［27］Alonso F G，Soria S L，Cuevas Gozalo J M．Comparing two methodologies for crop area estimation in Spain using Landsat TM images and ground-gathered data．Remote Sensing of Environment．1991，35(1):29 ～35

［28］Gallego F J．Remote sensing and land cover area estimation．International Journal of Remote Sensing．2004，25(15):3019 ～3047

［29］吳炳方，蒙繼華，李強(qiáng)子．國(guó)外農(nóng)情遙感監(jiān)測(cè)系統(tǒng)現(xiàn)狀與啟示．地球科學(xué)進(jìn)展．2010，25(10):1003～1012

［30］吳炳方．中國(guó)農(nóng)情遙感速報(bào)系統(tǒng)．遙感學(xué)報(bào)．2004，8(6):481～497

［31］Heydorn R P．Using satellite remotely sensed data to estimate crop proportions．Communications in Statistics-Theory and Methods．1984，13(23):2881～2903

［32］Benedetti R，Piersimoni F，Bee M，et al．Agricultural survey methods．Wiley Online Library，2010

［33］周清波．國(guó)內(nèi)外農(nóng)情遙感現(xiàn)狀與發(fā)展趨勢(shì)．中國(guó)農(nóng)業(yè)資源與區(qū)劃．2004，23(5):10～14

［34］Macdonald R B，Hall F G．Global crop forecasting．Science．1980，208(4445):670

［35］Bailey J T，Boryan C G．Remote Sensing Applications in Agriculture at the USDA National Agricultural Statistics Service．2010．

［36］劉海啟．歐盟MARS計(jì)劃簡(jiǎn)介與我國(guó)農(nóng)業(yè)遙感應(yīng)用思路．中國(guó)農(nóng)業(yè)資源與區(qū)劃．1999，20(03):55～57

［37］Ringvall A，Stahl G，Teichmann V，et al．Two－phase approaches to point and transect relascope sampling of downed logs．Canadian Journal of Forest Research － Revue Canadienne de Recherche Forestière．2001，31(6):971 ～977

［38］Gallego J，Carfagna E，Baruth B．Accuracy，Objectivity and Efficiency of Remote Sensing for Agricultural Statistics．2008

［39］Gallego F J．Crop area estimation in the MARS project:Conference on ten years of the MARS Project，Brussels．1999．1 ～11

［40］Workshop I W V．ISPRS Archives XXXVI－8/W48 Workshop proceedings:Remote sensing support to crop yield forecast and area estimates．http://www．isprs．org/publications/PDF/ISPRS_Archives_WorkshopStresa2006．pdf，2006

［41］Delinc J．A European approach to area frame survey:Proceedings of the Conference on Agricultural and Environmental Statistical Applications in Rome(CAESAR)．2001．5～7

［42］Jacques P，Gallego J．The LUCAS 2006 project– A new methodology．Joint Research Centre，European Commision．Avaiable on－line:http://mars．jrc．it/Bulletins-Publications/The－LUCAS－2006－project－A－new methodology．2006

［43］Gallego J，Bamps C．Using CORINE land cover and the point survey LUCAS for area estimation．International Journal of Applied Earth Observation and Geoinformation．2008，10(4):467～475

［44］http://www．gmes．info/pages－principales/projects/land－projects/more－on－geoland2/［EB/OL］．2011

［45］Gallego F J．The efficiency of sampling very high resolution images for area estimation in the European Union．2011，1:1 ～13

［46］周華茂．水稻播面遙感抽樣調(diào)查技術(shù)探討．西南農(nóng)業(yè)學(xué)報(bào)．1996，9(03):100～105

［47］陳仲新，劉海啟，周清波，等．全國(guó)冬小麥面積變化遙感監(jiān)測(cè)抽樣外推方法的研究．農(nóng)業(yè)工程學(xué)報(bào)．2000，16(05):126～129

［48］焦險(xiǎn)峰，楊邦杰，裴志遠(yuǎn)．基于分層抽樣的中國(guó)水稻種植面積遙感調(diào)查方法研究．農(nóng)業(yè)工程學(xué)報(bào)．2006，22(5):105～110

［49］吳炳方，蒙繼華，李強(qiáng)子，等．“全球農(nóng)情遙感速報(bào)系統(tǒng) (CropWatch)”新進(jìn)展．地球科學(xué)進(jìn)展．2010，25(10):1013～1022

［50］陳水森，柳欽火，陳良富，等．糧食作物播種面積遙感監(jiān)測(cè)研究進(jìn)展．農(nóng)業(yè)工程學(xué)報(bào)．2005，21(6):6

［51］國(guó)家統(tǒng)計(jì)局農(nóng)村司．國(guó)家統(tǒng)計(jì)遙感業(yè)務(wù)系統(tǒng)關(guān)鍵技術(shù)研究與應(yīng)用”項(xiàng)目課題驗(yàn)收工作順利完成 ［EB/OL］．http://www．stats．gov．cn/tjdt/gjtjjdt/t20110714_402739381．htm:2011－07－14，2011

［52］新華網(wǎng)．衛(wèi)星遙感技術(shù)首次應(yīng)用于北京統(tǒng)計(jì)工作 ［EB/OL］．http://news．qq．com/a/20090217/001427．htm:2009－02－17

［53］趙雪慧．抽樣調(diào)查理論和方法的最新進(jìn)展．統(tǒng)計(jì)與信息論壇．2003，18(05):24～27

［54］Han Y．An autonomous unmanned aerial vehicle－based imagery system development and remote sensing images classification for agricultural applications．United States － － Utah:Utah State University，2009

［55］李繼宇，張鐵民，彭孝東，等．小型無人機(jī)在農(nóng)田信息監(jiān)測(cè)系統(tǒng)中的應(yīng)用．農(nóng)機(jī)化研究．2010，32(005):183～186

［56］范承嘯，韓俊，熊志軍，等．無人機(jī)遙感技術(shù)現(xiàn)狀與應(yīng)用．測(cè)繪科學(xué)．2009，34(5):214～215

［57］Laliberte A S，Herrick J E，Rango A，et al．Acquisition，orthorectification，and object－ based classification of unmanned aerial vehicle(UAV)imagery for rangeland monitoring．Photogrammetric Engineering and Remote Sensing．2010，76(6):661～672

［58］Breckenridge R．Improving rangeland monitoring and assessment:Integrating remote sensing，GIS，and unmanned aerial vehicle systems．United States－－ Idaho:University of Idaho，2007