賈春鶴

（中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東青島 266580）

基于GIS分析的農(nóng)作物價(jià)格預(yù)測

賈春鶴

（中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東青島 266580）

針對(duì)農(nóng)作物價(jià)格的波動(dòng)而給國家和人民帶來的巨大損失問題。文章提出了利用遙感和GIS建立農(nóng)作物價(jià)格預(yù)測模型的方法。通過遙感和GIS分析的手段對(duì)農(nóng)作物價(jià)格的走勢進(jìn)行預(yù)測。通過建立價(jià)格預(yù)測模型來指導(dǎo)農(nóng)作物的處理。實(shí)驗(yàn)證明：該方法簡便可行，并且便于在GIS平臺(tái)上實(shí)現(xiàn)。對(duì)國家提供宏觀決策和人民獲得利益有重要的價(jià)值和意義。

遙感 GIS分析 農(nóng)作物 價(jià)格預(yù)測

隨著社會(huì)的發(fā)展，越來越多的事物需要更加科學(xué)的指導(dǎo)，從GIS誕生之后，GIS應(yīng)用于各個(gè)領(lǐng)域。一般情況下都是利用GIS對(duì)空間數(shù)據(jù)進(jìn)行儲(chǔ)存、更新、查詢、顯示等。缺少更多的預(yù)測和決策。從而難以滿足當(dāng)前決策者的需求。如果在GIS中加入數(shù)據(jù)模型，就可以提供一定的決策功能。這種功能時(shí)GIS原有功能的拓展，依然是在原有的GIS基礎(chǔ)上進(jìn)行開發(fā)。由于模型的加入會(huì)使得GIS平臺(tái)擁有新的功能。為人類的生活和發(fā)展提供更加智能的決策和分析，真正發(fā)揮出GIS的數(shù)據(jù)挖掘和分析的能力。

1 遙感和GIS介紹

1.1 農(nóng)作物識(shí)別介紹

一般對(duì)農(nóng)作物識(shí)別常用到的遙感手段是利用高光譜影像進(jìn)行。對(duì)農(nóng)作物的識(shí)別一般會(huì)用到植被指數(shù)。常用的植被指數(shù)有：MSRI、NVI、TDVI、EVI、NDVI、IPVI、TVI、DVI、SAVI等，這些植被指數(shù)可以識(shí)別出不同的農(nóng)作物，為單一農(nóng)作物的提取提供了有效的手段。利用遙感對(duì)全球范圍內(nèi)的糧食作物的識(shí)別，最早是美國利用NOAA/AVHRR遙感數(shù)據(jù)進(jìn)行實(shí)現(xiàn)的。由于數(shù)據(jù)和氣象原因，利用實(shí)測光譜加上BP神經(jīng)網(wǎng)絡(luò)建模被王崠等提出。

確定并區(qū)分各種農(nóng)作物的空間分布是遙感和GIS在農(nóng)業(yè)上的基礎(chǔ)應(yīng)用。農(nóng)作物遙感識(shí)別與提取是指在相應(yīng)耕地的遙感圖像上，正確識(shí)別出目標(biāo)農(nóng)作物，并對(duì)目標(biāo)農(nóng)作物地塊進(jìn)行提取，進(jìn)而對(duì)同一地區(qū)不同耕地上、或同一塊耕地上不同季節(jié)的農(nóng)作物進(jìn)行分類這一觀點(diǎn)由唐華俊等提出。對(duì)農(nóng)作物的提取可以根據(jù)遙感影像的亮度等進(jìn)行區(qū)分不同的地物。為提高農(nóng)作物提取的準(zhǔn)確度，可以結(jié)合遙感圖像的紋理等信息進(jìn)行提取。從而提高了對(duì)農(nóng)作物提取的正確度。

1.2 GIS介紹

一般空間決策系統(tǒng)包括：方法庫、模型庫、空間數(shù)據(jù)庫組成，當(dāng)然這是傳統(tǒng)的理解。對(duì)于現(xiàn)在，空間智能決策系統(tǒng)會(huì)在原有的基礎(chǔ)上加上知識(shí)庫，這樣就組成了一個(gè)新的空間智能決策系統(tǒng)，對(duì)于GIS智能決策一般會(huì)有知識(shí)層、數(shù)據(jù)層、信息表達(dá)方式、方法層等信息。同時(shí)可以將其看成是智能決策外層和內(nèi)層的有機(jī)組合體。

在建立好領(lǐng)域知識(shí)庫、空間數(shù)據(jù)庫和空間分析模型之后，就相當(dāng)于是建立了一個(gè)信息處理層，對(duì)空間實(shí)體的屬性可以動(dòng)態(tài)地進(jìn)行傳送和表達(dá)。GIS中的克里金算法可以直接調(diào)用。在地理學(xué)中主要分為時(shí)間地理學(xué)和行為地理學(xué)。對(duì)分析一類事物時(shí)，往往同時(shí)用到行為地理學(xué)和時(shí)間地理學(xué)。地理空間信息中添加價(jià)格和時(shí)間的數(shù)據(jù)庫，就可以在調(diào)用的時(shí)候變得更加的方便。GIS數(shù)據(jù)庫中主要就是用來儲(chǔ)存不同類型的數(shù)據(jù)，然后根據(jù)這些數(shù)據(jù)，進(jìn)行分析和處理，使得GIS變得更加的智能。

1.3 遙感和GIS結(jié)合

遙感和GIS的結(jié)合就是將遙感技術(shù)和GIS技術(shù)進(jìn)行結(jié)合，利用遙感手段來為GIS提供數(shù)據(jù)，利用GIS為遙感影像做出分析和決策。隨著現(xiàn)代科學(xué)技術(shù)的進(jìn)步，遙感影像數(shù)據(jù)的獲得變得越來越容易。高分影像現(xiàn)在也可以很容易得到。再者就是對(duì)遙感影像的地物提取技術(shù)也變得越來越智能，隨著神經(jīng)網(wǎng)絡(luò)戰(zhàn)勝圍棋大師，使得神經(jīng)網(wǎng)絡(luò)變得又有了生機(jī)，現(xiàn)在神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)技術(shù)在遙感地物的提取中起著越來越重要的作用。ENVI軟件提供的流程化處理，為快速提取地物提供了有效手段。在提取地物之后可以將數(shù)據(jù)導(dǎo)入到GIS平臺(tái)中，利用GIS的空間分析功能使得對(duì)農(nóng)作物的產(chǎn)量和價(jià)格做出分析和預(yù)測，從而為現(xiàn)實(shí)決策提供科學(xué)的依據(jù)。利用遙感快速獲取數(shù)據(jù)，利用GIS分析數(shù)據(jù)，就組成了一個(gè)大腦和一只眼睛，既能看又能有分析功能。模仿人的大腦行為。

2 價(jià)格預(yù)測理論

在市場中，影響價(jià)格的主要因素是供需關(guān)系和國家政策。在一段時(shí)間內(nèi)。商品的價(jià)格主要是由供需關(guān)系決定的。因此，對(duì)價(jià)格的預(yù)測，也就可以看成主要是對(duì)商品量的預(yù)測。在GIS中可以將已分類的遙感影像進(jìn)行信息提取和挖掘。利用遙感影像數(shù)據(jù)和往年的產(chǎn)量與價(jià)格的數(shù)據(jù)，就可以建立一個(gè)簡單的時(shí)序模型。通過時(shí)序分析，可以對(duì)未來的農(nóng)作物的價(jià)格進(jìn)行分析。因此，首先對(duì)農(nóng)作物種植范圍的獲取。利用遙感影像對(duì)某一農(nóng)作物進(jìn)行提取。獲取種植面積，在此基礎(chǔ)上進(jìn)行估量。對(duì)于產(chǎn)量來說一般有單位面積種植量，每株結(jié)果率和果實(shí)重量構(gòu)成。朱曉紅等研究了冬小麥產(chǎn)量構(gòu)成與光譜指數(shù)之間的關(guān)系。[1-10]在不同階段確定光譜指數(shù)和產(chǎn)量的關(guān)系，從而確定了小麥產(chǎn)量估算模型。植被指數(shù)NDVI與植物的種植密度有密切的關(guān)系。[11-24]利用遙感手段獲得農(nóng)作物的種植面積，通過建立不同的模型可以將農(nóng)作物的產(chǎn)量估算出來。在此基礎(chǔ)上將某類農(nóng)作物的往年產(chǎn)量和對(duì)應(yīng)的價(jià)格進(jìn)行建立成一個(gè)數(shù)據(jù)庫。由于人民的需求是較為穩(wěn)定的，因此利用產(chǎn)量和時(shí)間以及隨機(jī)影響因素作為自變量，將價(jià)格看成因變量y，建立函數(shù)模型。

對(duì)神經(jīng)網(wǎng)絡(luò)模型來說，一般包括輸入層、隱層和輸出層。當(dāng)前函數(shù)和式表示如下。

這樣就可以計(jì)算當(dāng)前樣本的輸出。計(jì)算輸出層神經(jīng)元的梯度可以用以下公式。

更新公式：

在提供訓(xùn)練樣本集和學(xué)習(xí)率的情況下，就可以訓(xùn)練模型。通過神經(jīng)網(wǎng)絡(luò)模型來預(yù)測價(jià)格。由于農(nóng)作物產(chǎn)品價(jià)格的區(qū)域性差異普遍存在，因此需要考慮到農(nóng)作物的空間分布和空間人口分布，在密集地區(qū)，由于人口數(shù)量大，對(duì)農(nóng)作物產(chǎn)品的需求也會(huì)隨之上升，在人口分布比較稀疏的地區(qū)，人口數(shù)量少，所對(duì)應(yīng)的需求也會(huì)下降。由于供需關(guān)系的不同必然會(huì)導(dǎo)致商品的價(jià)格有所不同。因此將空間信息加入到模型中就變得尤為重要。同時(shí)，可以對(duì)農(nóng)作物產(chǎn)品的空間分布進(jìn)行分析，為運(yùn)輸也提供決策支持。

當(dāng)模型已經(jīng)建立起來后，將其加載到GIS中，利用GIS空間分析的功能，對(duì)不同地區(qū)的價(jià)格做出預(yù)測。通過對(duì)時(shí)間和空間單獨(dú)建立模型后，可以看出對(duì)時(shí)間建立的價(jià)格預(yù)測模型是區(qū)域性的，將區(qū)域性的價(jià)格和空間模型的進(jìn)行組合，就可以得到有關(guān)時(shí)間和空間的一個(gè)價(jià)格預(yù)測模型。

在得到預(yù)測價(jià)格的情況下，對(duì)農(nóng)作物的處理也就有了預(yù)設(shè)方案。在短期內(nèi)價(jià)格可以上升時(shí)，可以提前考慮建立儲(chǔ)備設(shè)施。如果價(jià)格在較長時(shí)間內(nèi)不能得到提升，就應(yīng)考慮對(duì)作物的種植規(guī)模進(jìn)行縮小。

3 實(shí)驗(yàn)分析

利用神經(jīng)網(wǎng)絡(luò)算法建立起價(jià)格預(yù)測模型，獲得區(qū)域的價(jià)格走勢?，F(xiàn)以山東省種植大蒜為例。采用2017年1月的MOD09Q1及MOD09A1反射率數(shù)據(jù)，并且是經(jīng)過幾何和大氣校正的產(chǎn)品數(shù)據(jù)，空間分辨率為100 m、100 m。通過遙感手段提取大蒜的種植范圍，將數(shù)據(jù)導(dǎo)入到Arcgis中進(jìn)行處理。根據(jù)往年數(shù)據(jù)建立數(shù)據(jù)庫，利用神經(jīng)網(wǎng)絡(luò)算法建立預(yù)測模型。對(duì)數(shù)據(jù)進(jìn)行分析和預(yù)測。結(jié)合地理空間分布和人口密集程度，對(duì)價(jià)格模型進(jìn)行改進(jìn)，使得預(yù)測模型變得更加準(zhǔn)確。通過遙感地物提取可以得到2017年大蒜的基本產(chǎn)量，可以為預(yù)測提供基礎(chǔ)數(shù)據(jù)。

2016年山東的大蒜種植面積在19.33萬hm2左右，價(jià)格相對(duì)來說較高。2017年山東的大蒜種植面積在23.33萬hm2左右，由于面積的增加，大蒜的價(jià)格也會(huì)有一定的變化。

根據(jù)2016年的數(shù)據(jù)可以對(duì)2017年的大蒜價(jià)格進(jìn)行估計(jì)，將自變量輸入可以得出一個(gè)簡單的預(yù)測。

通過對(duì)大蒜價(jià)格的預(yù)測可以對(duì)大蒜種植戶決策起到一定的指導(dǎo)作用，雖然大蒜的產(chǎn)量有所增加，但隨著大蒜數(shù)量的逐漸減少，大蒜的價(jià)格會(huì)有一個(gè)回升的過程，因此，種植戶可以考慮大蒜的儲(chǔ)存問題，提前做好儲(chǔ)存準(zhǔn)備，從而可以得到更多的利益。進(jìn)入10月份后大蒜的價(jià)格會(huì)進(jìn)入快速增長，直到12月份會(huì)持續(xù)上漲，如果大蒜的儲(chǔ)存成本不是很高的情況下可以考慮長時(shí)間的囤積。在次年2月份之前盡量處理完。這樣也就使得收益有所增加。

4 結(jié)論

通過分析可以看出，利用GIS和遙感技術(shù)能夠快速地對(duì)農(nóng)作物的價(jià)格進(jìn)行分析，為生產(chǎn)者提供決策依據(jù)。從而最大程度上減少了生產(chǎn)者的投入成本，獲得較好的收益，同時(shí)為市場的需求平衡起到了一定的促進(jìn)作用。如果將該方法應(yīng)用到其他的領(lǐng)域，可能會(huì)有更大的應(yīng)用價(jià)值。如果將模型進(jìn)行更細(xì)化可能會(huì)使得預(yù)測變得更加的準(zhǔn)確，但就農(nóng)作物的價(jià)格而言該模型提供的預(yù)測可以很好地滿足需求。

[1] 張新妍．基于GIS空間分析功能的濕地生態(tài)旅游規(guī)劃研究．東北農(nóng)業(yè)大學(xué)，2016

[2] 劉一哲．多尺度分割技術(shù)在高分辨率遙感影像地物提取方法的研究．昆明理工大學(xué)，2016

[3] 彭彬．基于GIS和WSN的滇池水質(zhì)實(shí)時(shí)監(jiān)測與預(yù)測系統(tǒng)的開發(fā)與實(shí)現(xiàn)．云南師范大學(xué)，2015

[4] 翟健，金曉春．城市規(guī)劃中的GIS空間分析方法．城市規(guī)劃，2014，（S2）：130～135

[5] 閆利，趙展，聶倩，等．利用規(guī)則進(jìn)行高分辨率遙感影像地物提?。錆h大學(xué)學(xué)報(bào)（信息科學(xué)版），2012，（06）：636～639

[6] 劉明．基于GIS的公路交通噪聲預(yù)測技術(shù)研究．長安大學(xué)，2012

[7] 陳智芳，王景雷，宋妮．GIS空間分析技術(shù)在棉花葉面積測定中的應(yīng)用．中國農(nóng)學(xué)通報(bào)，2012，（09）：145～149

[8] 豐炳波，蔣祥玉，谷延鋒，等．基于地物提取場景建模的熱紅外遙感成像仿真．系統(tǒng)仿真學(xué)報(bào)，2012，（02）：424～428

[9] 梁錦．基于GIS的成礦預(yù)測研究進(jìn)展．中山大學(xué)研究生學(xué)刊（自然科學(xué)．醫(yī)學(xué)版），2011，（02）：17～25

[10] 司玉琴．遙感影像預(yù)處理與地物提取方法研究．西安科技大學(xué)，2010

[11] 陳浩．基于GIS的多尺度生態(tài)地理物種入侵預(yù)測建模．武漢大學(xué)，2010

[12] 何春陽，賈克敬，徐小黎，等．基于GIS空間分析技術(shù)的城鄉(xiāng)建設(shè)用地?cái)U(kuò)展邊界規(guī)劃方法研究．中國土地科學(xué)，2010，（03）：12～18

[13] 陳建平，陳勇，王全明．基于GIS的多元信息成礦預(yù)測研究——以赤峰地區(qū)為例．地學(xué)前緣，2008，（04）：18～26

[14] 向中林．基于GIS的沂南金礦成礦地質(zhì)條件分析及成礦預(yù)測．中國地質(zhì)大學(xué)（北京），2008

[15] 彭劍楠．GIS空間分析方法研究．吉林大學(xué)，2008

[16] 李曉軍．GIS空間分析方法研究．浙江大學(xué)，2007

[17] 張文元，秦昆，張成才，等．基于知識(shí)的遙感圖像地物提取方法研究．地理空間信息，2007，（01）：66～69

[18] 萬建文．四川省藥用植物GIS的構(gòu)建及其空間分析方法的運(yùn)用探討．四川大學(xué)，2006

[19] 文海家．基于GIS的滑坡災(zāi)變智能預(yù)測系統(tǒng)及應(yīng)用研究．重慶大學(xué)，2004

[20] 黃慧萍，吳炳方．地物提取的多尺度特征遙感應(yīng)用分析．遙感技術(shù)與應(yīng)用，2003，（05）：276～281

[21] 況頤，周巍，馬柯．GIS在藥用植物資源調(diào)查中的應(yīng)用．信陽師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2003，（04）：457～460

[22] 袁峰，周濤發(fā)，岳書倉．GIS礦產(chǎn)資源預(yù)測中的證據(jù)權(quán)重法．黃金地質(zhì)，2003，（03）：75～77

[23] 黃海峰．GIS在成礦預(yù)測中的應(yīng)用．甘肅地質(zhì)學(xué)報(bào)，2002，（01）：89～96

[24] 胡新麗，唐輝明．GIS支持的斜坡地質(zhì)災(zāi)害空間預(yù)測系統(tǒng)框架設(shè)計(jì)．地質(zhì)科技情報(bào)，2002，（01）：99～103