胡永森,王 力，施開(kāi)分，周 巍，王長(zhǎng)耀

(1.東華理工大學(xué) 測(cè)繪工程學(xué)院，江西 南昌 330013； 2.中國(guó)科學(xué)院遙感與數(shù)字地球研究所 遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100101； 3.國(guó)家統(tǒng)計(jì)局 農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查司，北京 100826)

?

基于遙感和PPS分層抽樣的區(qū)域棉花面積估算

胡永森1，2,王 力2，施開(kāi)分3，周 巍3，王長(zhǎng)耀2

(1.東華理工大學(xué) 測(cè)繪工程學(xué)院，江西 南昌 330013； 2.中國(guó)科學(xué)院遙感與數(shù)字地球研究所 遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100101； 3.國(guó)家統(tǒng)計(jì)局 農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查司，北京 100826)

針對(duì)傳統(tǒng)抽樣調(diào)查工作面臨著野外調(diào)查工作量大、資料時(shí)效性較低且難以滿足人們對(duì)數(shù)據(jù)現(xiàn)勢(shì)性的高要求等一系列缺點(diǎn)，以新疆棉花種植主棉區(qū)沙灣縣、瑪納斯縣、呼圖壁縣為研究區(qū)，結(jié)合遙感技術(shù)提出了一種基于PPS分層抽樣的空間抽樣設(shè)計(jì)方案，并將該方案用于研究區(qū)棉花種植面積的估算。結(jié)果顯示，PPS抽樣與分層抽樣結(jié)合后極大地提高了PPS抽樣反推總體的方法優(yōu)勢(shì)。分配樣本時(shí)分別采用按每層輔助變量之和的期望的算術(shù)平方根與該層待抽樣單位總數(shù)之積、每層輔助變量之和進(jìn)行比例分配的2種分配方法，其對(duì)應(yīng)的反推總體的估計(jì)量變異系數(shù)分別為0.008、0.009，相對(duì)誤差分別為0.016、0.017，分層后的樣本變異程度極低，為反推結(jié)果的高精度打下了基礎(chǔ)。2種樣本分配方式的棉花種植面積提取精度均高于94%。該方法不僅精度高，而且在實(shí)際操作中簡(jiǎn)單方便。

遙感； 空間抽樣； 樣本分配； 外推總體

自20世紀(jì)60年代以來(lái)，空間遙感技術(shù)得到迅速發(fā)展，并被廣泛應(yīng)用到農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)和產(chǎn)量估算[1-3]。如美國(guó)的“大面積農(nóng)作物估產(chǎn)實(shí)驗(yàn)計(jì)劃(LACIE，1974—1977年)[4-5]”、“農(nóng)業(yè)和資源的空間遙感調(diào)查計(jì)劃(AGRISTARS，1980—1986年)[6-7]”，其主要目的就是利用遙感結(jié)合空間抽樣技術(shù)探索監(jiān)測(cè)大區(qū)域糧食生產(chǎn)的可行性方法，以滿足美國(guó)進(jìn)行資源管理和了解全球作物產(chǎn)量信息的需要，其產(chǎn)量提取精度均達(dá)到90%以上[8]。國(guó)內(nèi)早在1984年就開(kāi)始了由國(guó)家氣象局組織的北方11省市冬小麥氣象衛(wèi)星遙感監(jiān)測(cè)綜合測(cè)產(chǎn)技術(shù)的研究[9]，在農(nóng)作物遙感監(jiān)測(cè)中借鑒歐盟的“農(nóng)業(yè)遙感監(jiān)測(cè)計(jì)劃(MARS)”也采用了分層抽樣的方法[10]，大量試驗(yàn)證明，分層抽樣的方法也適用于我國(guó)復(fù)雜地形的特點(diǎn)，并且取得了很好的效果[11]。如陳仲新等[12]基于遙感技術(shù)采用分層抽樣方法，建立了關(guān)于全國(guó)冬小麥面積變化率估計(jì)的一套抽樣外推方法。王迪等[13-14]通過(guò)分析不同的抽樣單元尺寸下抽樣單元的空間相關(guān)性，并引入變異系數(shù)(CV)和相對(duì)誤差(r)，定量評(píng)價(jià)了不同抽樣單元尺度下冬小麥面積的空間抽樣效率，并在山東省冬小麥播種面積的研究中，結(jié)合遙感采用兩階段抽樣方法同時(shí)優(yōu)化了第一階段的抽樣體系設(shè)計(jì)，對(duì)山東省冬小麥播種面積進(jìn)行估算，取得較優(yōu)結(jié)果。張錦水等[15]以格網(wǎng)為抽樣單元進(jìn)行分層空間抽樣，對(duì)分層層數(shù)、格網(wǎng)大小進(jìn)行了優(yōu)化設(shè)計(jì)的研究。

目前，我國(guó)農(nóng)作物對(duì)地抽樣調(diào)查工作主要由國(guó)家統(tǒng)計(jì)局農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查司來(lái)完成，其中野外調(diào)查工作是由各省、市、縣的農(nóng)調(diào)隊(duì)輔助完成[16]。因此，在改進(jìn)傳統(tǒng)統(tǒng)計(jì)調(diào)查手段的同時(shí)，結(jié)合遙感進(jìn)行空間抽樣方案設(shè)計(jì)的農(nóng)作物面積估算新型統(tǒng)計(jì)方法應(yīng)與國(guó)家統(tǒng)計(jì)部門(mén)的統(tǒng)計(jì)業(yè)務(wù)相結(jié)合，并盡可能利用其現(xiàn)有的農(nóng)調(diào)隊(duì)等資源。在抽樣技術(shù)發(fā)展的過(guò)程中，不等概率抽樣是目前統(tǒng)計(jì)抽樣調(diào)查中最為重要的方法之一，并且至今仍在不斷地完善和提高當(dāng)中[17]。PPS抽樣(sampling with probability proportional to size，PPS)很好地繼承了不等概率抽樣的特性，其將總體中每個(gè)待抽樣單元的入樣概率與其對(duì)應(yīng)的規(guī)模大小很好地聯(lián)系起來(lái)，具有很高的外推精度[18]。分層抽樣作為一種常用抽樣技術(shù)，不僅具有高精度、組織實(shí)施便利等優(yōu)點(diǎn)，還可對(duì)子總體的設(shè)計(jì)變量進(jìn)行估計(jì)，以便提取子總體信息，對(duì)分層界限進(jìn)行優(yōu)化等優(yōu)勢(shì)，這在很多實(shí)際問(wèn)題中是非常關(guān)鍵和重要的。分層后的樣本在各層的變化較為連續(xù)和緩和，對(duì)PPS抽樣效率的提高具有很好的輔助作用。因此，基于前人研究經(jīng)驗(yàn)和成果，以棉花種植面積為例，結(jié)合國(guó)家統(tǒng)計(jì)局現(xiàn)行對(duì)地抽樣調(diào)查業(yè)務(wù)，將分層抽樣引入到PPS結(jié)構(gòu)中，提出一種基于遙感和PPS分層抽樣技術(shù)的兩階段空間抽樣設(shè)計(jì)方案，旨在為改進(jìn)現(xiàn)行的棉花種植面積調(diào)查業(yè)務(wù)提供參考。

1 材料和方法

1.1 研究區(qū)概況

以新疆棉花種植主棉區(qū)沙灣縣、瑪納斯縣、呼圖壁縣三縣為研究區(qū)(圖1)，研究區(qū)內(nèi)還包括新疆建設(shè)兵團(tuán)的新湖農(nóng)場(chǎng)、芳草湖農(nóng)場(chǎng)及其他13個(gè)團(tuán)場(chǎng)的部分區(qū)域，以區(qū)內(nèi)耕地中的棉花種植面積為研究對(duì)象。本研究區(qū)位于北疆天山北麓地區(qū)，是北疆重要的棉花產(chǎn)區(qū)，棉花種植面積占全疆棉花種植面積的20%以上，礦產(chǎn)資源豐富，屬中溫帶大陸性氣候。主要種植棉花、玉米、冬小麥等作物。

黑色區(qū)域?yàn)槊藁?，空白區(qū)域?yàn)槠渌魑锘蛘呶捶N植任何作物

1.2 數(shù)據(jù)源

受經(jīng)濟(jì)因素和遙感影像獲取的制約，一般不會(huì)采取使用高分辨率遙感數(shù)據(jù)對(duì)研究區(qū)進(jìn)行全覆蓋分析。因此，這里主要采用30 m左右的中分辨率遙感圖像進(jìn)行拼接得到研究區(qū)域的遙感影像圖，通過(guò)對(duì)比研究棉花和其他作物物候、光譜信息的差異，選取最有利于遙感技術(shù)識(shí)別棉花的時(shí)相進(jìn)行分類(lèi)，得到中分辨率農(nóng)作物分類(lèi)圖，用它作為抽樣框中的數(shù)據(jù)，為抽樣體系的設(shè)計(jì)工作提供數(shù)據(jù)支持。在第一階段抽樣中抽中的一級(jí)樣本地塊用高分辨率影像進(jìn)行覆蓋，第二階段抽樣工作則在一級(jí)樣本地塊內(nèi)進(jìn)行，抽出二級(jí)樣本，對(duì)二級(jí)樣本進(jìn)行野外調(diào)查，調(diào)查結(jié)果用于對(duì)覆蓋對(duì)應(yīng)一級(jí)樣本的高分辨率影像進(jìn)行監(jiān)督分類(lèi)[19-20]。根據(jù)時(shí)間可獲取性以及精度的要求，中分辨率影像采用Landsat OLI/TIRS(OLI陸地成像儀)、環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星星座(以下簡(jiǎn)稱(chēng)“HJ星”)和高分一號(hào)衛(wèi)星影像為數(shù)據(jù)源，高分辨率影像采用高分一號(hào)2 m的全色影像和8 m的多光譜影像融合得到。

1.3 研究方法

1.3.1 抽樣框大小的選取 選擇正方形格網(wǎng)作為抽樣框，在編制抽樣框的過(guò)程中，通過(guò)分析計(jì)算不同抽樣單元尺度的全局空間自相關(guān)指數(shù)(Moran’sI)及對(duì)應(yīng)的顯著性檢驗(yàn)指標(biāo)Z Score的變化范圍[21]，同時(shí)參考中分影像分類(lèi)結(jié)果并結(jié)合當(dāng)?shù)孛揶r(nóng)種植習(xí)慣來(lái)確定合適的抽樣單元大小，使抽樣單元間空間正相關(guān)性相對(duì)最弱，抽樣方差相對(duì)最小，最終確定一級(jí)格網(wǎng)抽樣框?yàn)? km×3 km。將每個(gè)一級(jí)格網(wǎng)內(nèi)部分割成300 m×300 m的二級(jí)小格網(wǎng)樣地，并抽取部分二級(jí)小樣地作為輔助后期野外調(diào)查使用。Moran’sI計(jì)算公式如下：

(1)

1.3.2 樣本總量及分層數(shù)的確定 在確定樣本總量及分配方式前，首先對(duì)抽樣單元進(jìn)行分層，在分層界限的選擇上，利用輔助變量確定分層界限[22]。利用分類(lèi)后研究區(qū)中分辨率遙感影像(圖1)為抽樣框提供數(shù)據(jù)支持，選擇格網(wǎng)中棉花種植面積占耕地面積比例作為分層界限，利用累積頻數(shù)均方根法進(jìn)行分層。一般來(lái)說(shuō)，在忽略有限概率空間(finite probability space，fpc)的條件下，只要滿足每層樣本量nh≥2，層數(shù)越多精度越高。但是當(dāng)層數(shù)L>6時(shí)，精度的提高隨層數(shù)的增加變得微乎其微，故理論上一般以6層為最好。但是由于調(diào)查費(fèi)用的限制以及目標(biāo)變量的分布等客觀原因，結(jié)合實(shí)際情況將研究區(qū)的待抽樣格網(wǎng)分為4層。為了既提高抽樣效率又達(dá)到對(duì)研究區(qū)新生棉花種植面積變化進(jìn)行監(jiān)測(cè)的目的，僅將棉花種植區(qū)域附近的荒地單元按系統(tǒng)等距抽樣抽取10%加入到總體格網(wǎng)，將其分配到第1層對(duì)其進(jìn)行抽樣調(diào)查，剩余的荒地單元?jiǎng)t不參與到抽樣和后期計(jì)算。

根據(jù)分層抽樣樣本總量測(cè)算方法[23]，確定樣本總量的粗估量。在后期確定各層的分配方式及各層樣本數(shù)量后，對(duì)各層按分配的樣本量進(jìn)行抽樣確定樣本。由各縣農(nóng)調(diào)隊(duì)對(duì)樣本進(jìn)行實(shí)地考察并反饋信息進(jìn)行問(wèn)題樣本的調(diào)換，確定最終抽樣總量及樣本的最優(yōu)空間位置。

(2)

(3)

Phi為第h層第i個(gè)格網(wǎng)的入樣概率，nh(h=1,2,3…,k)為各層樣本量，yhi代表第h層第i個(gè)單元的指標(biāo)值，Nh代表第h層的總格網(wǎng)數(shù)，nh為各層樣本量，樣本總量n=n1+n2+…+nk。

(2)Zh的粗估方法。本研究區(qū)中所涉及的3個(gè)縣均為棉花種植大縣，因此在有棉花種植的格網(wǎng)中棉花的種植面積往往與耕地面積成近似正比關(guān)系，假設(shè)子總體中第h層的Nh個(gè)值(yhi,xhi)是一個(gè)超總體隨機(jī)樣本，其中i=1,2,…,Nh，則有關(guān)系：

yhi=βxhi+εhi

(4)

(5)

(6)

野外調(diào)查主要分為2個(gè)階段：第1階段在抽選樣本后，由統(tǒng)計(jì)局下屬的各縣農(nóng)調(diào)隊(duì)對(duì)樣本進(jìn)行實(shí)地考察，對(duì)樣本地塊的實(shí)際情況(如由于新疆地域較廣樣本查找困難，樣本地塊作物發(fā)生變化等)進(jìn)行反饋，對(duì)問(wèn)題樣本進(jìn)行微調(diào)。第2階段使用手持PDA導(dǎo)航對(duì)最終確定的一級(jí)樣本地塊內(nèi)部隨機(jī)選取的3個(gè)300 m×300 m二級(jí)樣本進(jìn)行實(shí)地調(diào)查，用于后期對(duì)相應(yīng)一級(jí)樣本地塊的遙感影像分類(lèi)。

(7)

(8)

2 結(jié)果與分析

根據(jù)野外調(diào)查數(shù)據(jù)對(duì)一級(jí)樣本進(jìn)行分類(lèi)后，得出反推總體(各層棉花種植總面積)所需數(shù)據(jù)，估算出各層及總體棉花種植面積。將總體估算結(jié)果對(duì)比2014年新疆維吾爾自治區(qū)統(tǒng)計(jì)局和新疆建設(shè)兵團(tuán)統(tǒng)計(jì)局公布數(shù)據(jù)，求出估算精度，并計(jì)算總體和各層的CV及r，進(jìn)行精度評(píng)價(jià)。

表1 精度評(píng)價(jià)指標(biāo)計(jì)算結(jié)果

3 結(jié)論與討論

針對(duì)傳統(tǒng)抽樣方法時(shí)效性較低、作業(yè)量大等缺點(diǎn)，提出了基于遙感技術(shù)的空間抽樣方法，并將其與國(guó)家統(tǒng)計(jì)局對(duì)地抽樣調(diào)查業(yè)務(wù)相結(jié)合，充分利用了統(tǒng)計(jì)局現(xiàn)有資源。本研究以新疆棉花種植主棉區(qū)沙灣縣、瑪納斯縣、呼圖壁縣三縣為研究區(qū)，引入變異系數(shù)(CV)和相對(duì)誤差(r)作為評(píng)價(jià)指標(biāo)，結(jié)果表明，研究區(qū)內(nèi)總體總量的簡(jiǎn)單估計(jì)量的CV和r較小，棉花種植面積提取精度均高于94%，同時(shí)在實(shí)際操作中該方法可行性較強(qiáng)，外推數(shù)據(jù)現(xiàn)勢(shì)性高。

但在對(duì)樣本的調(diào)查中發(fā)現(xiàn)，有些樣本距離居民居住地較遠(yuǎn)，尋找樣本十分困難甚至難以到達(dá)樣本所在地，因此，在抽樣前充分考慮樣本的空間位置，對(duì)已抽樣本進(jìn)行大致勘察和微調(diào)是十分必要的。同時(shí)由于新疆地廣人稀，在分層和抽樣時(shí)可考慮在基于抽樣原理的前提下，提高人為調(diào)控所占的權(quán)重，多增加棉花種植集中區(qū)的層數(shù)和樣本數(shù)，集中主要資源對(duì)其進(jìn)行調(diào)查，提高其估算精度，在剩余棉花種植稀少的大區(qū)域地方人為調(diào)控減少分層數(shù)和樣本量，以此來(lái)達(dá)到提高整體調(diào)查精度和避免人力物力等資源浪費(fèi)的預(yù)期效果。此外，本方法中的研究區(qū)域?yàn)槊藁ㄖ鳟a(chǎn)區(qū)，對(duì)于重棉區(qū)和有棉區(qū)是否仍有極大的優(yōu)勢(shì)還需進(jìn)一步探討。

[1] 蔣桂英,李少昆,王登偉,等.棉花遙感應(yīng)用進(jìn)展[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào),2002,25(3):76-79.

[2] 洪保章.毛豆遙感光譜與地上鮮生物量的相關(guān)分析[D].福州:福建農(nóng)林大學(xué),2006.

[3] 李剛,楊粉團(tuán),姜曉莉,等.遙感技術(shù)在玉米栽培中的應(yīng)用研究進(jìn)展[J].玉米科學(xué),2010,18(5):149-152.

[4] 吳全,楊邦杰,裴志遠(yuǎn),等.大尺度作物面積遙感監(jiān)測(cè)中小地物的影響與雙重抽樣[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(3):130-133.

[5] 周清波.國(guó)內(nèi)外農(nóng)情遙感現(xiàn)狀與發(fā)展趨勢(shì)[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃,2004,25(5):9-14.

[6]ChhikaraRS,HoustonAG,LundgrenJC.CropacreageestimationusingaLandsatbasedestimatorasanauxiliaryvariable[J].IEEETransactionsonGeoscienceandRemotesensing,1986,24(1):155-168.

[7] 劉海啟,金敏毓,龔維鵬.美國(guó)農(nóng)業(yè)遙感技術(shù)應(yīng)用狀況概述[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃,1999,20(2):56-60.

[8] 陳水森.基于波譜庫(kù)的作物純像元識(shí)別與種植面積遙感估算[D].北京:中國(guó)科學(xué)院研究生院遙感應(yīng)用研究所,2005.

[9] 肖乾廣,周嗣松,陳維英，等.用氣象衛(wèi)星數(shù)據(jù)對(duì)冬小麥進(jìn)行估產(chǎn)實(shí)驗(yàn)[J].環(huán)境遙感，1986,1(4):260-269.

[10] 王力凡,潘劍君.利用高-中-低精度遙感的大區(qū)域高精度耕地面積估測(cè)分析[J].江西農(nóng)業(yè)學(xué)報(bào),2011,23(4):153-155.

[11] 劉海啟.大尺度耕地變化監(jiān)測(cè)的遙感抽樣方法研究[J].農(nóng)業(yè)工程學(xué)報(bào),2001,17(2):168-171.

[12] 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[J].農(nóng)業(yè)工程學(xué)報(bào),2000,16(5):126-129.

[13] 王迪,周清波,陳仲新,等.冬小麥種植面積空間抽樣單元尺寸優(yōu)化設(shè)計(jì)[J].自然資源學(xué)報(bào),2013,28(7):1232-1242.

[14] 王迪,周清波,陳仲新,等.空間抽樣方法估算冬小麥播種面積[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(10):177-184.

[15] 張錦水,潘耀忠,胡潭高,等.冬小麥種植面積空間抽樣效率影響因子分析[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(8):169-173.

[16] 鄔明權(quán),楊良闖,于博,等.基于遙感與多變量概率抽樣調(diào)查的作物種植面積測(cè)量[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(2):146-152.

[17] 蔡擇林.PPS分層抽樣時(shí)樣本單位數(shù)的設(shè)計(jì)[J].湖北師范學(xué)院學(xué)報(bào)(自然科學(xué)版),1996,16(6):51-55.

[18] 史京京,雷淵才,趙天忠.森林資源抽樣調(diào)查技術(shù)方法研究進(jìn)展[J].林業(yè)科學(xué)研究,2009,22(1):101-108.

[19] 許偉,奚硯濤.基于Landsat8遙感影像的合肥市土地利用分類(lèi)[J].湖北農(nóng)業(yè)科學(xué),2015,54(15):3625-3629,3637.

[20] 任廣波,張杰,馬毅,等.基于半監(jiān)督學(xué)習(xí)的遙感影像分類(lèi)訓(xùn)練樣本時(shí)空拓展方法[J].國(guó)土資源遙感,2013,25(2):87-94.

[21] 王迪,周清波,陳仲新,等.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),2014,30(8):117-125.

[22] 杜子芳.抽樣技術(shù)及其應(yīng)用[M].北京:清華大學(xué)出版社,2006.

[23] 馮士雍,施錫銓.抽樣調(diào)查:理論、方法與實(shí)踐[M].上海:上?？茖W(xué)技術(shù)出版社,1996.

[24] 潘耀忠,張錦水,朱文泉,等.糧食作物種植面積遙感測(cè)量與估產(chǎn)[M].北京:科學(xué)出版社,2013.

Estimation of Regional Cotton Area Based on Remote Sensing and PPS Stratified Sampling

HU Yongsen1,2,WANG Li2,SHI Kaifen3,ZHOU Wei3,WANG Changyao2

(1.Faculty of Geomatics,East China Institute of Technology,Nanchang 330013,China; 2.The State Key Laboratory of Remote Sensing Science/Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100101,China; 3.Rural Socio-economic Survey Department,National Bureau of Statistics,Beijing 100826,China)

The method of traditional sampling survey work has two major drawbacks.One is the large workload,and the other is the outdated basic data.It is difficult to meet the people’s high requirements of data updating.In order to solve those problems in a conditional sampling survey,a novel crop area extraction method was proposed in this paper using remote sensing and PPS stratified sampling technology.The algorithm had been tested over a study area in counties of Mnasi,Hutubi and Shawan which are all cotton planting base counties.The results showed that the combination of PPS sampling and stratified sampling greatly improved the overall method advantage of PPS sampling.Two proportional distribution methods for sample distribution were adapted,which were the product of the sum of the desired arithmentic square root of each layer of auxiliary variables and the total number of units in each layer,the sum of auxiliary variables per layer.The variation coefficients of population of extrapolated population total were 0.008 and 0.009 by two proportional distribution methods,and the relative errors with two distribution methods were 0.016 and 0.017.The degree of variation of samples was very low after stratification,which layed the foundation for the high precision of the result.The total area accuracy of cotton planting reached more than 94% by the two sample distribution method.This method not only has high precision,but also is simple and convenient in practical operation.

remote sensing; spatial sampling; distribution of samples; extrapolated population

2014-07-19

國(guó)家統(tǒng)計(jì)局新疆棉花種植面積遙感調(diào)查項(xiàng)目；國(guó)家自然基金項(xiàng)目(41371358)；國(guó)家“863”計(jì)劃項(xiàng)目(2014AA06A511)；國(guó)家科技重大專(zhuān)項(xiàng)(14CNIC-032079-32-02)

胡永森(1990-)，男，河南周口人，碩士，主要從事農(nóng)業(yè)遙感研究。E-mail：1042202325@qq.com

TP75

A

1004-3268(2016)11-0155-05