萬(wàn)青松，羅曉姣

（1.成都文理學(xué)院，成都 610499；2.四川錦興國(guó)試書(shū)業(yè)有限公司，成都 610041）

確定農(nóng)作物的種植面積和分布狀況能夠幫助人們更加準(zhǔn)確地估算農(nóng)作物的產(chǎn)量，通過(guò)加強(qiáng)管理，確保農(nóng)作物的空間布局為最優(yōu)布局，從宏觀管理的角度來(lái)看，對(duì)于保障糧食安全有重要意義［1，2］。針對(duì)冬小麥產(chǎn)量進(jìn)行評(píng)估，目前研究的主要方法包括數(shù)據(jù)預(yù)測(cè)統(tǒng)計(jì)、氣象數(shù)據(jù)分析以及評(píng)估預(yù)報(bào)，這些方法雖然屬于經(jīng)典方法，但是相對(duì)較為傳統(tǒng)，誤差較大，隨著信息技術(shù)的發(fā)展，新型技術(shù)被不斷應(yīng)用于種植區(qū)域尺度管理分區(qū)［3，4］。

種植區(qū)域尺度指標(biāo)作為一種經(jīng)濟(jì)有效的參考量，能夠很好地幫助學(xué)者們分析和預(yù)測(cè)小麥產(chǎn)量和增長(zhǎng)趨勢(shì)。通過(guò)過(guò)濾指標(biāo)確定冬小麥的種植區(qū)域，對(duì)小麥信息數(shù)據(jù)進(jìn)行預(yù)處理，篩除無(wú)用指標(biāo)，能夠降低管理過(guò)程的負(fù)面影響［5，6］。目前對(duì)于指標(biāo)選擇的研究越來(lái)越多，且向著綜合性的方向發(fā)展。冬小麥種植區(qū)域指標(biāo)選擇可以分為有監(jiān)督模式和無(wú)監(jiān)督模式兩種。有監(jiān)督模式的選擇方法相對(duì)成熟，而無(wú)監(jiān)督模式的研究較少，主要原因在于無(wú)監(jiān)督模式缺少信息指導(dǎo)，難以得到不同空間的搜索簇群，聚類分類法難以應(yīng)用。但是無(wú)監(jiān)督模式能夠選取具有代表性的特征數(shù)據(jù)集合成特征子集，在高維度數(shù)據(jù)中，無(wú)監(jiān)督模式能夠選擇樣本數(shù)據(jù)特征相近的數(shù)值形成數(shù)據(jù)標(biāo)簽，通過(guò)數(shù)據(jù)計(jì)算，完成指標(biāo)選擇［7-12］。

本研究為一種基于無(wú)監(jiān)督過(guò)濾式指標(biāo)選擇的冬小麥種植區(qū)域尺度管理分區(qū)算法，結(jié)合聚類算法，分析不同區(qū)域冬小麥種植結(jié)果的特征，確定信息重要程度，根據(jù)重要程度選擇特征子集。

1 研究區(qū)域概況

研究區(qū)域位于重慶市境內(nèi)，該地區(qū)屬于溫帶大陸性季風(fēng)氣候區(qū)，植物所處區(qū)域接收的養(yǎng)分和陽(yáng)光都十分充足。該地區(qū)的氣候條件較好，四季分明，每年的降水量可達(dá)800 mm，氣溫在14 ℃左右波動(dòng)，十分適合種植小麥、水稻和棉花等農(nóng)作物。

對(duì)研究區(qū)域冬小麥的生長(zhǎng)特征進(jìn)行觀察可以發(fā)現(xiàn)，10 月上旬和中旬為冬小麥播種時(shí)期，10 月下旬冬小麥開(kāi)始出苗；11 月上旬和中旬，冬小麥長(zhǎng)出幼苗；11 月下旬至12 月上旬，冬小麥處于分蘗階段；12月中旬至翌年2 月上旬，冬小麥處于越冬階段；2 月中旬至3 月上旬，冬小麥處于返青階段；3 月中旬至4月上旬，冬小麥處于拔節(jié)階段；4 月中旬和下旬冬小麥處于抽穗階段；5 月冬小麥處于灌漿階段；6 月冬小麥逐漸成熟。

2 數(shù)據(jù)準(zhǔn)備

在確定冬小麥的生長(zhǎng)特征后，分析光譜特征，得到遙感圖像，除了提取小麥狀態(tài)數(shù)據(jù)之外，還分析了所處的綠色植被狀態(tài)，野外樣方數(shù)據(jù)。提取發(fā)現(xiàn)，冬小麥正處于分蘗狀態(tài)，而位于冬小麥周邊的所有綠色植被都為枯萎狀態(tài)。

3 研究方法

為更好地實(shí)現(xiàn)冬小麥種植區(qū)域尺度管理分區(qū)，設(shè)置技術(shù)路線如圖1 所示。由圖1 可知，首先利用遙感圖像提取冬小麥特征指標(biāo)，根據(jù)指標(biāo)特征建立樣本庫(kù)，分析尺度變化，通過(guò)數(shù)據(jù)分析完成區(qū)域管理，確定內(nèi)部的樣方數(shù)據(jù)，運(yùn)用計(jì)算機(jī)技術(shù)對(duì)數(shù)據(jù)進(jìn)行調(diào)節(jié)，同時(shí)結(jié)合人工聚類法、識(shí)別法確定該區(qū)域種植的冬小麥面積和冬小麥在該區(qū)域的分布情況。通過(guò)GPS 調(diào)取野外數(shù)據(jù)，利用計(jì)算機(jī)對(duì)提取的數(shù)據(jù)進(jìn)行多方位處理，將樣本數(shù)據(jù)轉(zhuǎn)換成翻譯數(shù)據(jù)，并進(jìn)行修正，設(shè)置500 個(gè)以上的檢測(cè)點(diǎn)，對(duì)提取的冬小麥圖像進(jìn)行修正，根據(jù)不同空間幅度范圍內(nèi)得到的數(shù)據(jù)尺度變化，分析樣本狀況［13-15］。

圖1 技術(shù)路線

同時(shí)，計(jì)算區(qū)域精度、平均區(qū)域精度、區(qū)域精度標(biāo)準(zhǔn)差、均方根誤差和偏差，根據(jù)計(jì)算結(jié)果完成區(qū)域尺度管理。區(qū)域精度計(jì)算公式如下。

式中，A0為采集的冬小麥種植區(qū)域總量，被設(shè)定為基準(zhǔn)值；i為提取圖像分辨率；S為所選定的冬小麥種植區(qū)域；Ai為提取的小麥面積總量；K(s,i)為得到的區(qū)域精度。

平均區(qū)域精度計(jì)算公式如下。

式中，(s,i)為得到的平均區(qū)域精度；n為小麥被分的區(qū)域數(shù)目。

區(qū)域精度標(biāo)準(zhǔn)差與區(qū)域精度平均值成正相關(guān)，能夠很好地反映不同區(qū)間內(nèi)部區(qū)域精度的波動(dòng)狀況，分析冬小麥所處精度的離散情況，計(jì)算公式如式（3）所示。

式中，s為所選定的冬小麥種植區(qū)域

均方根誤差計(jì)算公式如式（4）所示。

式中，RMSE(s,i)為得到的均方根誤差；g(s,i)為區(qū)域精度觀測(cè)值；bias(s,i)為區(qū)域精度的真值偏差。真值偏差計(jì)算如式（5）所示。

在得到上述5 項(xiàng)結(jié)果后，確定過(guò)濾式指標(biāo)，并將指標(biāo)對(duì)象讀入集合內(nèi)部，根據(jù)指標(biāo)對(duì)象構(gòu)造一個(gè)新的簇，如果得到的數(shù)據(jù)庫(kù)數(shù)值為末尾值，則直接結(jié)束，否則進(jìn)行再次讀取，確定新的數(shù)據(jù)對(duì)象；計(jì)算不同數(shù)據(jù)簇之間的距離，確定最小距離，分析數(shù)據(jù)半徑閾值，計(jì)算指標(biāo)特征統(tǒng)計(jì)頻度，判斷是否為數(shù)據(jù)庫(kù)末尾值，如果為末尾值，則代表聚類結(jié)束。

本研究的無(wú)監(jiān)督過(guò)濾式指標(biāo)選擇法能夠根據(jù)不同指標(biāo)的特征值確定重要程度，得到特征選取子集。由于數(shù)據(jù)的局部特性十分明顯，因此可以根據(jù)數(shù)據(jù)特征聚類，確保數(shù)據(jù)簇的相似性，分析數(shù)據(jù)之間的局部特征，計(jì)算特征指標(biāo)。對(duì)特征指標(biāo)進(jìn)行離散化處理，尋求指標(biāo)內(nèi)部的連續(xù)特征值，選取聚類閾值，確定內(nèi)部特征值，尋找指標(biāo)變化數(shù)值，根據(jù)變化數(shù)值劃分為過(guò)濾式指標(biāo)選擇子集，實(shí)現(xiàn)數(shù)據(jù)操作。

4 結(jié)果與分析

4.1 無(wú)監(jiān)督過(guò)濾指標(biāo)對(duì)冬小麥種植區(qū)域尺度管理分區(qū)精度的影響

通過(guò)數(shù)據(jù)分析得到不同無(wú)監(jiān)督過(guò)濾指標(biāo)下的冬小麥平均區(qū)域精度、區(qū)域精度標(biāo)準(zhǔn)差、均方根誤差和偏差，如圖2 所示。

由圖2 可知，隨著過(guò)濾式指標(biāo)降低，冬小麥平均區(qū)域精度值也逐漸降低。當(dāng)無(wú)監(jiān)督過(guò)濾指標(biāo)最高時(shí)，冬小麥平均區(qū)域精度值最高可達(dá)90%。而當(dāng)無(wú)監(jiān)督過(guò)濾指標(biāo)一定時(shí)，空間范圍會(huì)直接影響平均區(qū)域精度，空間范圍越大，平均區(qū)域精度值越高。

圖2 無(wú)監(jiān)督過(guò)濾式指標(biāo)對(duì)冬小麥管理分區(qū)精度的影響

相比平均區(qū)域精度，區(qū)域精度標(biāo)準(zhǔn)差、均方根誤差和偏差3 個(gè)指標(biāo)隨著過(guò)濾式指標(biāo)增高也不斷遞增；均方根誤差和偏差2 個(gè)指標(biāo)隨著空間范圍增大整體呈下降趨勢(shì)。

由上述分析結(jié)果可知，冬小麥種植區(qū)域尺度管理分區(qū)精度同時(shí)受到無(wú)監(jiān)督過(guò)濾式指標(biāo)和空間范圍2 個(gè)因素的影響，無(wú)監(jiān)督過(guò)濾式指標(biāo)的影響大于空間范圍的影響。

4.2 農(nóng)作物種類對(duì)冬小麥種植區(qū)域尺度管理分區(qū)精度的影響

在一定空間范圍內(nèi)，若農(nóng)作物種類不同，農(nóng)作物生長(zhǎng)狀況也會(huì)存在一定的差別，對(duì)冬小麥尺度管理分區(qū)精度也會(huì)造成影響。確定一定空間范圍內(nèi)的樣本數(shù)據(jù)，得到不同農(nóng)作物的占比情況，根據(jù)占比情況進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，從而得到各不同參數(shù)的狀態(tài)如圖3所示。

由圖3 可知，當(dāng)農(nóng)作物種類一定時(shí)，選擇過(guò)濾式指標(biāo)數(shù)值越高，得到的平均區(qū)域精度就越高；隨著作物種類的增加，平均區(qū)域精度值也會(huì)改變，整體呈增加的態(tài)勢(shì)；當(dāng)農(nóng)作物種類為4～6 種時(shí)，平均區(qū)域精度值處于較穩(wěn)定狀態(tài)。

圖3 農(nóng)作物種類對(duì)尺度管理分區(qū)精度的影響

對(duì)統(tǒng)計(jì)結(jié)果進(jìn)一步研究發(fā)現(xiàn)，當(dāng)無(wú)監(jiān)督過(guò)濾式指標(biāo)為50時(shí)，產(chǎn)生的偏差值相對(duì)較大，偏差最大值接近-10。誤差的不斷積累會(huì)直接導(dǎo)致精度的降低，因此將無(wú)監(jiān)督過(guò)濾式指標(biāo)為50 設(shè)定為尺度響應(yīng)敏感點(diǎn)。

4.3 種植密度對(duì)冬小麥種植區(qū)域尺度管理分區(qū)精度的影響

在確定數(shù)據(jù)源后，對(duì)冬小麥的種植面積進(jìn)行測(cè)量，確定特征數(shù)據(jù)種類，分析數(shù)據(jù)狀態(tài)，同時(shí)分析尺度分區(qū)精度、尺度空間范圍、分區(qū)成本和數(shù)據(jù)獲取可靠性四方面因素，得到在不同無(wú)監(jiān)督過(guò)濾式指標(biāo)下冬小麥平均區(qū)域精度，如圖4 所示。

由圖4 可知，冬小麥種植密度會(huì)對(duì)平均區(qū)域精度造成一定的影響。當(dāng)種植密度低于45%時(shí)，平均區(qū)域精度較低；當(dāng)種植密度處于45%～70%時(shí)，說(shuō)明冬小麥生長(zhǎng)狀況達(dá)到最佳，此時(shí)的平均區(qū)域精度為96%，分區(qū)精度趨于平穩(wěn)；當(dāng)種植密度大于70%時(shí)，冬小麥植株過(guò)密，不利于陽(yáng)光、養(yǎng)分等吸收利用，此時(shí)平均區(qū)域精度也較低。

圖4 種植密度對(duì)冬小麥平均區(qū)域精度的結(jié)果

5 小結(jié)與討論

5.1 小結(jié)

本研究通過(guò)聚類分析算法和空間統(tǒng)計(jì)算法確定了無(wú)監(jiān)督過(guò)濾式指標(biāo)的選擇對(duì)冬小麥種植區(qū)域尺度管理分區(qū)精度的影響。結(jié)果表明，無(wú)監(jiān)督過(guò)濾式指標(biāo)、種植空間范圍、農(nóng)作物種類和冬小麥種植密度都會(huì)對(duì)冬小麥種植區(qū)域尺度管理分區(qū)精度造成影響。

1）隨著無(wú)監(jiān)督過(guò)濾式指標(biāo)的降低，內(nèi)部特征數(shù)目在不斷增加，對(duì)冬小麥種植區(qū)域分區(qū)時(shí)所造成的面積誤差較大，從而導(dǎo)致冬小麥種植區(qū)域尺度管理分區(qū)精度降低。

2）當(dāng)無(wú)監(jiān)督過(guò)濾指標(biāo)一定時(shí)，空間范圍會(huì)直接影響平均區(qū)域精度，空間范圍越大，平均區(qū)域精度值越高。主要因?yàn)楫?dāng)人為監(jiān)測(cè)區(qū)域空間范圍增大時(shí)，所造成的正負(fù)誤差也在相互抵消，測(cè)量區(qū)域精度隨之升高。

3）在空間范圍一定的情況下，農(nóng)作物種類會(huì)對(duì)冬小麥尺度管理分區(qū)精度造成影響。隨著作物種類的增加，平均區(qū)域精度值也會(huì)改變，整體呈增加的態(tài)勢(shì)；當(dāng)農(nóng)作物種類為4～6時(shí)，平均區(qū)域精度值處于較穩(wěn)定狀態(tài)。

4）在空間范圍和農(nóng)作物種類一定的情況下，冬小麥種植密度也會(huì)對(duì)平均區(qū)域精度造成一定的影響。當(dāng)種植密度低于45%或大于70%時(shí)，冬小麥的狀態(tài)過(guò)于稀疏或過(guò)于密集，此時(shí)平均區(qū)域精度較低；當(dāng)種植密度處于45%～70%時(shí)，此時(shí)的平均區(qū)域精度基本穩(wěn)定在96%。

5.2 討論

1）本研究基于無(wú)監(jiān)督過(guò)濾式指標(biāo)選擇研究了一種新的冬小麥種植區(qū)域尺度管理分區(qū)算法，確定不同無(wú)監(jiān)督過(guò)濾式指標(biāo)所造成的影響，避免由于單個(gè)因素進(jìn)行尺度管理分區(qū)所造成的影響，從而提高分區(qū)精度。與傳統(tǒng)的分區(qū)管理方法相比，加入無(wú)監(jiān)督過(guò)濾式指標(biāo)后，冬小麥種植區(qū)域分區(qū)精度更高，更有利于及時(shí)了解冬小麥的生長(zhǎng)狀況并進(jìn)行人工調(diào)節(jié)生產(chǎn)。因此在研究過(guò)程中，可以通過(guò)測(cè)量無(wú)監(jiān)督過(guò)濾式指標(biāo)，從而達(dá)到更好的冬小麥種植區(qū)域尺度管理分區(qū)效果。

2）本研究?jī)H選用了冬小麥作為研究目標(biāo)，對(duì)于其他作物的研究較少，未來(lái)需要分析不同目標(biāo)作物所造成的尺度管理分區(qū)影響，從而取得更加全面和細(xì)致的尺度管理分區(qū)效果，為調(diào)控農(nóng)作物生長(zhǎng)及時(shí)提供數(shù)據(jù)參考。