本站小編為你精心準備了作物面積抽樣研究方向及重點參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

我國是農業生產大國，糧食作物產量的豐欠歷來受到社會、政府部門的重視。糧食作物的播種面積、產量等信息更是國家制定糧食政策和經濟計劃的重要依據［1-3］。及時了解、掌握主要農作物的種植面積，對于準確估計和預測農作物產量［4-9］，加強作物生產管理，確保我國糧食安全具有重要的意義［10-14］。長期以來，我國耕地和農作物播種面積等重要農業統計數據，主要采用村級起報、逐級匯總上報的全面統計方法［15-16］。在全國范圍內開展全面調查方式統計作物播種面積，存在調查工作量龐大、財力和物力耗費高及調查周期長等諸多缺陷。隨著我國社會經濟的快速發展，政府決策部門、社會公眾對農作物統計數據的需求越來越高，全面調查方法已無法適應當前市場經濟條件下農村新形勢發展和反映農業結構調整變化的需要。抽樣技術作為一種非全面統計調查技術，因具有節省調查費用、縮短調查周期及改善調查數據質量等優點而得以在農村社會經濟調查中廣泛應用。以往我國農作物面積抽樣調查采用省抽縣、縣抽鄉、鄉抽村、村抽農戶的傳統多級目錄抽樣方式［15］。受自身技術體系所限，目錄抽樣調查集中表現的問題為，抽樣框更新速度慢、誤差大，調查過程中對空間信息利用不夠以及調查結果空間化表達較差等。隨著“3S”技術(遙感技術、地理信息技術和全球定位技術)的發展與應用，世界上的發達國家，如美國和歐盟紛紛采用“3S”技術與傳統抽樣技術相結合的空間對地抽樣方法(簡稱空間抽樣)進了主要農作物面積監測與估計，有效地解決了目錄抽樣過程中存在的問題。

1國內外研究現狀

1.1作物面積空間抽樣方法研究方面

早在1974～1986年，美國開展的“大面積農作物估產試驗”(LACIE)和“農業和資源的空間遙感調查”(AGRISTARS)就采用面積抽樣框(AreaSamplingFrame)方法進行作物面積抽樣估算。兩計劃針對不同級別區域采用不同的抽樣布點方式。在有國家級詳細歷史數據的地區(如州)采用二階隨機分層抽樣布點;在低于州一級的國家地理區域采用標準分層抽樣布點［10］。FAO在其刊印的統計發展叢書中對3種常用農業調查方法(目錄框、面積框和多樣框抽樣調查)的抽樣設計、精度評價及適用范圍進行了詳盡介紹［17-18］。為了估算希臘全國的各種作物種植面積，Tsiligirides［19］參考歐盟MARS計劃中設計的作物面積抽樣調查方案，首先將希臘全國以省為單位分成9個省區，對于每個省采用14km×14km的網格(block)進行剖分，形成抽樣框，每個網格再剖分成700m×700m更小網格(segment)。在省級單位基礎上，基于1∶10萬地形圖，根據區域作物分布特點(山區，有作物丘陵區、平原區、盆地區等)分成7層(后改進為6層)，將網格圖與分區圖進行疊加，針對不同層設計不同抽樣比(山區0.3%，平原區2.5%)進行抽樣(抽切塊)，采用簡單隨機抽樣布點，每年5～6月通過1∶5萬地形圖確定抽中樣本空間位置，通過1∶5000的航片或地面調查統計樣本內作物面積。Gallego［20］總結了MARS計劃在全歐盟范圍內開展作物面積抽樣調查研究時采取的兩個主要行動:區域作物面積總量監測和歐盟地區作物面積年際變化監測。在區域作物面積總量監測部分，MARS計劃采用面積框進行地面調查，具體實施程序為:(1)于1988年首先在歐盟地區選取5個面積約為20km2的調查區(此后逐漸增加)，依據高分辨率遙感圖像將其劃分為面積為25～200hm2(視田塊大小而定)的切塊;(2)利用遙感圖像對試驗區農業利用程度進行分層，共分5層。(3)在每層內采用系統抽樣方法抽取切塊，利用遙感圖像統計抽中切塊內作物面積。(4)基于分層抽樣方法提供的外推總體公式估計調查區作物面積。該抽樣方法自1988年推行以來一直處于不斷完善中。Delinc［21］等介紹了自2001年開始，在歐盟15個成員國推行的土地利用/覆蓋面積框統計調查(LU-CAS)項目中采用的抽樣調查方案。LUCAS計劃以簡單隨機抽樣作為抽樣效率評價標準，通過對比分層和兩階段系統抽樣方法的效率，最終選定兩階段系統抽樣方法(該法抽樣效率為1.7，而分層抽樣為1.5)。該法實際上是一個點抽樣方法，首先基于遙感影像將歐盟地區劃分成18km×18km的正方形網格，然后在每個網格點處按系統等距抽樣法抽取PSUs，整個歐盟范圍內共計抽取10個PSUs，PSUs形狀為矩形，面積90hm2。最后，在每個抽中的PSUs內按2×5個的設計形式布置觀測點，共計100個觀測點。對所有觀測點采取全面調查形式獲取相關數據。Dennis［22］等報道了美國國家統計科學研究所的環境評估與修復報告中采用的抽樣設計方案。該方案主要采用分層兩階段面積抽樣技術，首先針對每個鎮區選擇3218.688m×9656.064m的調查區域，然后將該區域劃分為804.672m×804.672m的初級抽樣單位(PSUs)，全國范圍內總計30萬個PSUs。根據土地利用類型對PSUs進行分層及確定每層抽樣比，一般每層抽取兩個PSUs，然后在每個PSUs抽取3個觀測點，3個測點并非完全獨立，其中第一個點隨機選取，剩余兩點分別位于該點兩側。該法至今仍被沿用。Pradhan［23］基于GIS、遙感和面積框抽樣方法，開發了一套地理信息系統用于伊朗哈馬丹省的作物面積抽樣調查。該系統抽樣部分的具體實施步驟如下:(1)首先將研究區域劃分為多個尺寸為10km×10km的方格，然后將每個方格再細分為尺寸為1km×1km的正方形切塊;每個方格內共計100個切塊。(2)基于研究區域內農業利用密集度對其分層，具體分為4層:高密度利用區(灌溉農業區);中等密集區(雨養農業區);低密集區(混合農業區);極低農業區(牧場)。(3)抽取可能切塊。對已劃分好的切塊采用系統等距抽樣抽取可能切塊(抽樣距離3km)，并對抽中切塊進行編號。(4)抽取最終切塊。在已抽中的可能切塊中，根據不同農業密集區預先確定的抽樣比，利用簡單隨機抽樣確定最終抽取切塊。(5)利用航拍照片統計最終切塊內作物面積，根據分層抽樣方法中給出的外推公式估計總體均值、方差及變異系數。將該抽樣方法得到的估算結果與伊朗農業部提供的實測數據對比表明，該法抽樣精度可達99.8%。國內作物面積抽樣研究主要集中在傳統抽樣方法應用方面(如簡單隨機、分層、系統、整群及多階段抽樣)［10-13，24-28］。如周華茂［26］以成都平原為研究區，應用遙感技術，根據作物生長環境進行分層，對樣方大小、抽樣率、抽樣數、樣方位置及布點方式等抽樣技術要素進行了研究，建立了一套適合我國南方水稻播面的抽樣調查體系，但該方法對于樣方大小、抽樣率的制定主要參考以往研究成果經驗確定，另外，樣方的空間位置的布設主要通過系統抽樣的布設方式，對樣本的空間關聯性和異質性考慮不足。陳仲新［10］等為建立一套估計全國冬小麥面積變化的遙感監測方法，采用分層抽樣技術，以全國各縣冬小麥種植面積統計數據為分層指標，共計分6層，采用累計頻率等值平方根法確定層界，對于抽中樣本采用TM影像人工判讀小麥面積作為樣本觀測值，進行全國冬小麥面積變化總體外推，結果表明在95%的置信度下，監測精度可達97%以上。劉海啟［27］為及時獲取全國每年耕地總變化數，以全國各縣級單位為抽樣單元，以耕地年際變化率為估計量，采用分層抽樣技術，分層標志為分縣耕地變化數，層界采用累計頻率等值平方根法確定，進行了全國年際耕地總變化數抽樣估計，結果表明在85%的置信度下，抽樣精度可達85%。不足之處在于樣本的選取和布置缺乏空間屬性考慮。為準確及時估計全國棉花種植面積變化情況，焦險峰［13］將全國主產棉區分為新疆和黃淮海、長江中下游區。對于新疆棉區，首先在對應新疆全境的1:25萬地形圖劃分處棉花種植區，然后用標準地形圖幅剖分棉花種植區形成抽樣基礎單元，采用分層抽樣技術，將棉花種植統計數據折算到地形圖幅上，以上年棉花播種面積作為分層標志，共計分6層，累計頻率等值平方根法確定層界，抽選樣本采用中巴衛星圖像解譯結果得到樣本觀測值，最后外推新疆全境棉花播種面積變化，結果表明在95%的置信度下，抽樣精度可達95%。還有一些學者將多種傳統抽樣方法加以聯合應用，如吳炳方和李強子［29］提出基于作物種植結構區劃，采用整群抽樣和樣條采樣技術相結合的方法，估算全國農作物種植面積。其中，利用整群抽樣估算作物總種植成數(全部作物面積占耕地面積比例);樣條采樣技術估算單種作物占全部作物面積比例，根據兩個抽樣估計得到的比例，計算得到單種作物種植面積。但該研究中存在樣本容量計算科學性不足、樣方尺寸憑經驗確定以及未考慮樣本點的空間分布特性的問題。迄今為止，國內對于空間化樣本抽選方面的研究相對較少。Wang［30］等以山東省凈耕地面積(毛耕地面積扣除墳頭、溝渠及護田臨時農舍等細小地物后的面積)為抽樣調查目標，利用TM遙感影像(分辨率30m)全覆蓋得到山東全省耕地毛面積。基于航片(分辨率20cm)形成抽樣單元層(規則網格覆蓋抽樣區域)，利用專家知識，以航片為抽樣底圖進行分層抽樣，通過抽樣確定層內細小地物占毛耕地面積比例，并與耕地毛面積相乘實現對山東全省凈耕地面積的抽樣估計。李連發［31］等在總結以往抽樣模型(抽樣方法單一且缺乏比較)的基礎上，結合樣本空間關聯性，提出空間抽樣優化決策模型。該模型采用多種抽樣方案組合形式獲取成本—精度變化圖，經回歸模擬歸一化到同一坐標系中，通過比較各方案的樣本數—誤差變化趨勢得到抽樣優化決策方案。陽小瓊［32］等利用“3S”技術結合傳統的簡單隨機、系統和分層抽樣技術，設計處3種作物面積空間對地抽樣方案，通過試驗研究，在綜合比較三者的抽樣精度，最小樣本量和穩定性最終優選出空間分層抽樣抽樣效率最優。張錦水［14］等基于遙感與傳統抽樣技術相結合的設計思路，以規則網格為抽樣調查單元，采用分層抽樣方法對冬小麥種植面積空間抽樣效率影像因子(格網大小、分層層數及作物種植豐度)進行了試驗分析。

1.2空間抽樣樣方(抽樣調查單元)尺寸設計研究方面

Houseman［33］指出，在采用分層抽樣方法進行作物面積調查時，切塊尺寸應該等于或小于層塊(stra-tumblock)尺寸。Allen［34］報道了美國國家統計局開展的“六月調查計劃”(JES)采用的切塊尺寸20～2000hm2，一般選取260hm2(即1平方英里)。González［35］指出可以對切塊尺寸與估計方差間進行相關分析優化切塊尺寸。Carfagna和Gallego［36］指出針對不同的研究目標，切塊尺寸的選取也應隨之不同。如歐盟MARS計劃中的作物面積清查與面積變化兩個不同項目中切塊的尺寸設計就應分別設計。Cafagna和Gallgeo［36］指出通過建立切塊尺寸與。抽樣方差間的相關關系圖可用于優化樣方尺寸。例如對于類似于歐盟MARS計劃中作物面積年際變化估計項目這樣的兩階段抽樣，在設計切塊尺寸時，同樣可以利用空間相關圖進行。Cafagna利用空間自相關指數定量表達抽樣區調查對象空間相關性，最終實現切塊尺寸優化設計。Taylor［37］等指出對于作物面積估計而言，采用面積框抽樣設計時，為確保切塊內存在一定的空間異質性，一般要求單個切塊內平均包含15～30個地塊。歐盟MARS計劃一般采用25～100hm2的切塊尺寸［19-20］。Gallgeo［20］以歐盟MARS計劃中作物面積年際變化估計項目的數據為例，進行了切塊尺寸優化設計研究。在優化設計站點內切塊尺寸時，Gallgeo將兩階段抽樣(第一階段抽站點，第二階段站點抽切塊)中將站點包含的切塊視為抽樣理論中的“群”，通過建立抽樣區空間相關圖(correlogram)與群內相關系數的數學關系，尋求對應空間相關圖零值或接近零值時站點內切塊數以此確定切塊尺寸。周華茂［24-25］采用衛星遙感抽樣與GIS相結合的方法，利用分層抽樣技術，將四川省土地利用類型區分為7層，抽樣數為118個，樣方大小10km×10km，抽樣率2.0%，結果表明滿足土地利用現狀監測的精度要求。同樣存在樣方尺寸選取及樣本容量計算缺乏科學依據的問題。

1.3樣本空間布局研究方面

Caselton和Hussian最早提出基于已有觀測站點處相關隨機變量最大熵值法進行最優測點更新布置。應用kriging方差的最優樣本布局方法的早期研究有Ripley［38］和Warrick［39］。用先驗知識估計半變異函數以便獲得更好的抽樣設計，很多學者在不同領域都應用到了這一思想。Groves［40］以印度班加羅爾的調查為例，提出了在空間上螺旋排列樣本的空間抽樣方式。Kott［41］等為擬研究隨機變量的熵值提供一個上限，并基于該上限為解決最優空間設計問題開發了一套數學算法。Buseo［42］)等采用Shannon熵值法對西班牙馬拉加地區土壤蓄水層水壓力的空間分布規律進行了最優抽樣設計觀測，經與實測值比較表明效果良好。Webster［43］提出了基于多階層樣本的半變異函數估計方法。張繼光等［44］在對桂西北喀斯特洼地土壤水分空間變異結構的研究中指出，由于取樣空間序列是結構性與隨機性的統一，經典統計學方法雖能確定給定置信條件下的合理抽樣數目但不能決定取樣點的空間布局，而地統計學方法可以彌補這一不足(如其中的變程和等值線圖等)。

2國內外作物面積空間抽樣研究存在問題

盡管國內外學者在應用空間抽樣方法進行農作物面積估計方面積累了一定的經驗成果，但由于缺乏對作物面積空間抽樣方案的優化設計研究(主要指空間抽樣方法的優化選擇和抽樣基礎要素的優化設計)，使得作物面積空間抽樣技術在國家尺度范圍的推廣應用受到限制。總結國內外作物面積空間抽樣研究存在問題可以得出以下認識:(1)作物面積空間抽樣方法研究在我國發展較快，應用前景十分廣闊。然而國內外關于不同農業生產區的作物種植面積空間抽樣方法的效率評價與優化選擇方面的研究還很缺乏，研究工作滯后于應用，急需開展相關研究。(2)國內外在作物面積空間抽樣樣方尺寸的設計研究方面，大多根據研究區耕地地塊大小總體平均水平及破碎程度憑經驗選定，或者參考研究區可利用的遙感影像單幅覆蓋范圍而定，缺乏對樣方尺寸的科學設計與優化選擇。(3)國內外在作物面積空間抽樣樣本布局研究方面，主要采用隨機或系統等距布點方式，由于缺乏對抽樣基礎單元間空間關聯性和變異性的定量評價，從而導致樣本空間布局的合理性不夠，抽樣外推總體精度不高，因此應進一步研究樣本空間布局合理布設的依據和準則。

3研究展望

3.1加強不同農業生產區作物面積空間抽樣方法優化選擇研究

我國幅員遼闊，南北方各地區耕地地塊大小、破碎程度及空間分布各異。同時，在耕地上種植的農作物類型、種植結構也各不相同。因此，需要引入空間分析理論，加強對抽樣調查區地物表面進行定量分析。在此基礎上，需要構建多種空間抽樣方法的效率評價指標體系，包括抽樣精度、抽樣費用、抽樣框構建難易程度、樣本觀測值獲取的難易程度等。通過對多種空間抽樣方法的效率進行綜合評價，完成不同農業生產區作物面積空間抽樣方法的適宜性評價，最終實現空間抽樣方法的優化選擇。

3.2加強作物面積空間抽樣基礎要素優化設計研究

空間抽樣基礎要素包括樣方尺寸、樣本容量及樣本空間布局。抽樣基礎要素設計的合理與否決定了抽樣誤差與抽樣成本的高低及樣本野外調查的難易程度，屬于作物面積空間抽樣方法設計的關鍵性問題。以往相關研究中，在樣方尺寸設計方面大多憑經驗確定，缺乏理論依據;樣本容量主要通過傳統抽樣理論中給出的計算公式確定，并未對抽樣基礎單元的空間屬性加以考慮，導致樣本容量偏大;在樣本空間布局方面，由于沒有考慮抽樣框內總體單元間空間異質性和關聯性，導致樣本空間布局對總體指標的代表性不足，另外，更未對樣本空間布局進行全局優化，因此，需要加強作物面積空間抽樣基礎要素優化設計研究，有效提高空間抽樣效率。

3.3加強作物面積空間抽樣技術的業務化應用研究

作物面積空間抽樣技術研究最終需要納入國家農村統計調查制度和農情監測業務體系。以往相關研究大多側重于空間抽樣方法的理論應用與小區域的試驗研究，在全國范圍內業務化應用研究尚未開展。因此，需要加強在大區域尺度條件下的作物面積空間抽樣技術的業務化應用研究，包括在可獲得基礎數據條件下的抽樣框構建方法研究，樣本觀測值的可操作性獲取技術研究，樣本空間位置已定且數量不足情況下的作物面積總體外推及誤差估計方法研究及樣本輪換與更新技術研究。