本发明涉及粮食单产的栅格化方法,具体涉及基于遥感影像的大尺度粮食单产的栅格化方法,属于农业信息技术领域。
背景技术:
粮食生产持续稳定和粮食产量稳步提升是我国粮食安全的基本保证。
粮食稳产、增产无外乎两条路,一是扩大播种面积,二是提高粮食单产。
不同地区的粮食产量有着很大的差异,特别是1990年以来随着我国工业化、城镇化、市场化进程的不断加快,粮食生产的区域环境发生了重大变化,例如:
1、耕地与水资源的区域格局发生了重大变化,东南沿海发达地区耕地非农占用愈演愈烈,北方地区水资源开发利用程度不断提高,干旱化日益加重;
2、农村经济发展水平的地带性差异不断扩大,城乡经济发展的不平衡加剧;
3、粮食生产的区域化政策格局逐渐明晰,政府对粮食主产区生产者的支持力度逐步加大。
因此,根据样本点数据,选择适合的栅格化方法,拟合出研究区的粮食产量空间分布特征,对指导不同地区的农业生产、未来气候变化条件下应该采取的适应机制研究有十分重要的意义。
粮食产量统计数据是农业经济统计数据的重要组成部分,截至目前,中国所有的社会经济统计数据都是基于行政区划(县市区)进行统计和发布的,空间精度低,缺乏对数据空间分布特征的描述,在实际应用中,社会经济统计数据难以和其他数据(如自然资源数据)进行综合分析,从而限制了社会经济统计数据在学科交叉等方面的应用。
对社会经济统计数据进行空间化,在一定程度上恢复或者重构其空间分布特征,不仅可以弥补数据的不完整,而且可以提高数据的空间精度和扩展数据的应用范围。
自1990年以来,国内外学者对社会经济统计数据空间化问题进行了许多研究和探讨,但是关注的重点主要在基于gis和rs的人口数据空间化、基于人口分布和土地利用的人口数据空间化、gdp的空间化等方面。
粮食生产受区域自然条件因素和社会经济条件因素的双重影响,因此粮食单产空间化的难度比较大。
遥感和gis技术的蓬勃发展为粮食单产空间化提供了新的解决方案,但是以往的研究都缺乏细分耕地类型或不同作物产量和农业生产基础条件、管理和投入水平、气候以及其他社会经济条件的考量。
技术实现要素:
为解决现有技术的不足,本发明的目的在于提供一种基于遥感影像的大尺度粮食单产的栅格化方法,拟合出研究区粮食单产的空间分布格局,有助于粮食单产数据与其他自然、人文数据进行综合分析。
为了实现上述目标,本发明采用如下的技术方案:
基于遥感影像的大尺度粮食单产的栅格化方法,其特征在于,以研究区内县级行政单元的粮食单产和作物生育期为第一数据源,以nasausgs提供的研究区内modisndvimod13q1数据为第二数据源,以研究区内作物空间分布信息为第三数据源,具体包括以下步骤:
step1:将县尺度的粮食单产与县尺度的作物生育期内每个时期的ndvi值建立多元逐步回归方程;
step2:利用研究区内作物空间分布信息对nasausgs提供的研究区内modisndvimod13q1数据进行掩膜处理;
step3:求取每个县尺度作物生育期内每个时期的ndvi平均值;
step4:将上述求取的ndvi平均值代入到上述多元逐步回归方程中,进行栅格运算。
前述的基于遥感影像的大尺度粮食单产的栅格化方法,其特征在于,前述modisndvimod13q1数据的时间分辨率为16d、空间分辨率为250m。
前述的基于遥感影像的大尺度粮食单产的栅格化方法,其特征在于,在step1中,前述多元逐步回归方程能够通过p<0.05水平的显著性检验。
前述的基于遥感影像的大尺度粮食单产的栅格化方法,其特征在于,在step4中,对于栅格运算结果,利用预留的县尺度粮食单产提取栅格化模拟结果进行精度评估。
本发明的有益之处在于:
1、将基于县级行政单元的粮食单产转化为基于独立栅格单元的粮食单产,拟合出研究区粮食单产的空间分布格局,有助于粮食单产数据与其他自然、人文数据进行综合分析;
2、克服了现有的农业统计数据空间精度低、数据空间分布特征的描述缺乏、农业统计数据在学科交叉等方面的应用受限等问题。
附图说明
图1是本发明的基于遥感影像的大尺度农业关键要素的栅格化方法的流程图;
图2是2000年我国小麦产量栅格产品图(1km分辨率);
图3是2010年我国小麦产量栅格产品图(1km分辨率);
图4是2000年我国小麦模拟产量和统计产量散点图;
图5是2010年我国小麦模拟产量和统计产量散点图。
具体实施方式
由于粮食产量与气候、地形、土壤、种植结构等因素密切相关,所以本发明尝试借助作物生育期内的ndvi值为“桥梁”,将基于县级行政单元的粮食产量转化为基于独立栅格单元的粮食产量栅格图,为大尺度粮食单产(农业关键要素)空间化提供一个新的思路。
以下结合附图和具体实施例对本发明的栅格化方法作具体的介绍。
参照图1,本发明的栅格化方法主要包括以下步骤:
一、数据采集与数据处理
1、数据采集
本发明所使用的数据包括三部分,在本实施例中具体如下:
(1)2000年和2010年我国全国各县小麦产量和播种面积数据
数据来源于中国农业科学院农业信息研究所,如表1所示。
表12000年和2010年我国小麦单产基本特征
2000年小麦单产平均值为239.8kg/亩,最大值为664.9kg/亩(甘肃省高台县),最小值为100.1kg/亩(吉林省洮南市)。
2010年小麦单产为287.3kg/亩,与2000年相比增产19.8%,最大值为698.7kg/亩(辽宁省瓦房店市),最小值为100.3kg/亩(贵州省长顺县)。
2000年和2010年小麦单产空间变异系数分别是111.2kg/亩和163.4kg/亩。
(2)2010年小麦空间分布信息和小麦生育期资料
来源于中国农业科学院农业环境与可持续发展研究所农业环境数据中心。
(3)研究区内modisndvimod13q1数据
多时相modis遥感观测影像是生态环境监测、全球环境与气候变化研究的重要数据。
在本发明中,我们采用由nasausgs提供的研究区内modisndvimod13q1数据,时间分辨率为16d,空间分辨率为250m。
modis植被指数数据产品属于l3级产品,它由原始数据经过定位,并对由遥感器成像过程产生的边缘畸变进行矫正以后产生的产品。
2、数据处理
从卫星遥感数据中获取的ndvi数据是植被动态变化的监测标志,也就是说,ndvi的时序变化对应植被的生长和衰落等活动过程。
对于获取的数据,我们采用多元逐步回归法分析县尺度(县域单元)小麦产量和小麦生育期内ndvi的关系,将县域单元小麦产量和小麦生育期内每个时期的ndvi值建立逐步回归方程。
2000年我国县域单元小麦产量和小麦生育期内ndvi逐步回归方程为:
y2000=0.15×lay1-0.29×lay2-0.11×lay3+0.60×lay4-0.50×lay5-0.34×lay6-0.03×lay14-0.36×lay15+0.08×lay16+0.53×lay17+0.08×lay18-0.47×lay19-0.20×lay20+0.09×lay21+0.39×lay22-0.02×lay23+5137.4(p<0.05)
2010年我国县域单元小麦产量和小麦生育期内ndvi逐步回归方程为:
y2010=0.12×lay1-0.20×lay2-0.21×lay3+0.36×lay4-0.24×lay5-0.53×lay6+0.03×lay14-0.44×lay15+0.12×lay16+0.66×lay17+0.05×lay18-0.36×lay19+0.09×lay20+0.11×lay21+0.02×lay22-0.08×lay23+6139.3(p<0.05)
二、获取小麦单产栅格数据集
基于获取的小麦单产和ndvi值的数量关系方程,借助arcgis软件里的栅格运算、掩膜工具和重采样工具获取2000年和2010年1km分辨率的小麦产量栅格产品图。
2000年我国小麦产量栅格产品图如图2所示。
2010年我国小麦产量栅格产品图如图3所示。
由图1和图2可以看出,小麦单产高值区主要分布在华北地区。
栅格数据集的基本信息如表2所示。
表2小麦栅格数据集基本信息
三、数据质量检验与控制
在对2000年和2010年小麦单产进行栅格化之前,采用均匀分布的原则,预留了100个县(约占全部县市的7%)进行单产栅格化精度分析。
采用gis环境中的统计工具,用预留的县市点文件分别在小麦2000年和2010年的产量栅格图上取值,构建两组数据比较数组。
2000年我国小麦模拟产量和统计产量散点图如图4所示。
2010年我国小麦模拟产量和统计产量散点图如图5所示。
检验小麦栅格化精度,发现两个年份模拟产量和统计产量比较都通过了p<0.05的统计检验,其中2010年小麦栅格化精度较高。
由此可见,本发明的栅格化方法克服了现有的农业统计数据空间精度低、数据空间分布特征的描述缺乏、农业统计数据在学科交叉等方面的应用受限等问题。
此外,本发明的栅格化方法将基于县级行政单元的粮食单产转化为了基于独立栅格单元的粮食单产,拟合出了研究区粮食单产的空间分布格局,十分有助于粮食单产数据与其他自然、人文数据进行综合分析。
需要说明的是,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。