[发明专利]用不同尺度遥感数据估计面积变化的对称系统抽样技术

摘要

一种以不同尺度遥感数据为数据源，采用对称系统抽样技术，估计农作物种植面积、森林覆盖面积、城市用地面积等地物面积要素变化的方法，主要应用于遥感工程、农林业工程、城市规划、国土资源调查和统计领域。利用中低分辨率遥感影像，如MODIS、TM，构造抽样基本单元；用面积变化大小的初略值为辅助变量进行排序；采用对称系统抽样技术选取代表性强的样本点；以此样本信息推算研究对象在整个区域的面积变化情况。可以广泛应用于各种地物面积要素变化的监测。

主权项

1、一种以不同尺度遥感数据为数据源，采用对称系统抽样技术，估计农作物种植面积、森林覆盖面积、城市用地面积等地物面积要素变化的方法，其特征在于：(1)抽样框的编制以每个网格内研究对象的变化数为依据进行排序，选择恰当的变量作为排序标志，具体做法如下：a、根据研究区域和研究对象的性质，选取1∶10万(或者1∶5万，1∶2.5万等)地形图国际标准分幅作为抽样的基本单元；b、收集研究区域过去原有的遥感影像或其他能反映研究对象原来分布的信息(如土地利用图等)；c、获得研究区域目前的低分辨率遥感影像；d、对(2)、(3)获得的遥感影像进行几何校正、匹配等预处理工作；e、收集影响研究区域、研究对象有关的先验信息，包括自然条件、人文条件、社会经济条件以及以往的历史信息；f、利用土地利用与土地覆盖分类识别技术，以及先验信息获得研究对象原分布图和现分布图；g、将这两幅图叠加，通过土地利用与土地覆盖变化检测技术获得研究对象面积变化的初略值；h、按每个网格内面积变化的初略值进行排序，并编制抽样框；(2)计算样本量因为面积变化初略值和面积变化精确值间存在很强的相关性，可以用面积变化初略值的均值和方差来估算所要抽取的样本量；a、计算面积变化初略值X的均值和方差：X‾=1NΣi=1NXi]]>S2=1NΣi=1N(Xi-X‾)2]]>b、计算n₀n0=t2S2d2]]>或n0=t2S2r2X‾2]]>其中：t＝1.96，d＝5％，r＝10％如果n₀≥N，则取n₀＝N；c、如果n0N<0.05,]]>则就取n₀，否则对n₀进行修正：n=n01+n0N]]>3、用对称系统抽样法确定抽样单元以一般的等距抽样为例，假设抽样间距为k，总体单元数为N＝nk，将总体的N个单元排列成k行n列，如下表：   1     2      …  j        …  n    1    2    _    r    _    k   Y₁   Y_k+1  …  Y_(j-1)k+1 …  Y_(n-1)k+1   Y₂   Y_k+2  …  Y_(j-1)k+2 …  Y_(n-1)k+2   _    _        _          _   Y_r   Y_k+r  …  Y_(j-1)k+r …  Y_(n-1)k+r   _    _        _          _   Y_k   Y_2k   …  Y_jk     …  Y_nk对这个线性趋势总体来说，可使用Singn提出的对称系统抽样法提高系统抽样的精度，使系统抽样法有可能达到比分层随机抽样更高的效果；当N不是n的整数倍，即抽样间距k=Nn]]>不是整数时，k可取一个与最为接近的整数；注意到：当n大于50时，N≠nk造成的干扰很可能是微不足道的；Singn提出的对称系统抽样具体做法如下：当N＝nk，n为偶数时，假设起始随机数为r(1≤r≤k)，入样的对样本单元为：[r+jk,N-r-jk+1],j=0,1,2,···,n2-1]]>即y₁、y₂、…、y_n依次为：y_r、y_r+k、…、yr+(n2-1)k,yN-r-(n2-1)k+1,]]>…、y_N-r-k+1、y_N-r+1当n为奇数时，仍按以上步骤进行，但到j=n-12-1]]>后，增加靠近中间的一个单元y₁、y₂、…、y_n依次为：y_r、y_r+k、…、yr+(n2-2)k,yr+12(n-1)k,yN-r-(n2-2)k+1,]]>…、y_N-r-k+1、y_N-r+14、获取样本点更高分辨率的遥感影像，读取面积变化的精确值因为高分辨率的遥感影像受到云量等因素的影响，在抽取样本点时，会存在缺失数据现象；这时可使用与和缺失数据大小最接近的样本点的高分辨率影像资料来代替；如果最接近的样本点的高分辨率影像资料也不好获得，可用初略值来代替；5、估计量及估计量方差的估计假设起始值为r，当n为偶数时，相应系统样本的平均值为：Y^=Ny‾sy=Nn(Σj=0n2-1yr+jk+Σj=0n2-1yN-r-jk+1)]]>=Nn(yr+yr+k+···+yr+(n2-1)k+yN-r-(n2-1)k+1+···+yN-r-k+1+yN-r+1)]]>当n为奇数时，相应系统样本的平均值为：Y^=Ny‾sy=Nn(Σj=0n2-2yr+jk+yr+12(n-1)k+Σj=0n2-2yN-r-jk+1)]]>=Nn(yr+yr+k+···+yr+(n2-2)k+yr+12(n-1)k+yN-r-(n2-2)k+1+···+yN-r-k+1+yN-r+1)]]>如果把系统样本y₁、y₂、…、y_n看成从各层抽取两个单位的分层随机抽样，可采用以下办法进行方差估计；从第二个样本单元开始，每个样本单元与前一个样本单元组成一对，共n-1对，的估计为：v(Y^)=N2v(y‾sy)=N(N-n)2n(n-1)Σi=1n-1(yi+1-yi)2]]>6、检察是否需要再抽样本，如果需要，则按前述方法将补充的样本分配下去比较r的值是否达到了10％，V=(dt)2=(rY‾t)2;]]>如果没有，则需补充样本量，使得总的样本量为：n=s12V(1+2n1)]]>其中：s12=12(n-1)Σi=1n-1(yi+1-yi)2,]]>n₁是第2步所确定的样本量；7、推断总体总值的置信限为：Y^±uα2v(Y^)]]>