基于Cokriging插值修正冬小麦面积遥感监测.pdfVIP

V01．26 第26卷第lO期 农业工程学报 No．10 2062010年lO月 TransactionsoftheCSAE OCt．2010 基于Cokriging插值修正冬小麦面积遥感监测 范磊1，一，程永政睬，郑国清1，王来刚1，刘婷1 2．河南农业大学信息与管理科学学院，郑州450002) (1．河南省农业科学院农业经济与信息研究中心，郑州450002； 摘要：在研究区内冬小麦种植区选取149个地面样方，筛选样方内反映种植结构、地块破碎程度、地形因素的参数并 利用差分GPS测量，对3个参数量化并确定插值的主辅变量。探讨和比较了利用普通克里格和协同克里格2种插值方法 对研究区的冬小麦种植面积比例的插值结果。结果表明，相同采样数量下，协同克里格法相对于普通克里格法的均方根 误差降低1．48％，预测值与实测值之间的相关系数提高了6．82％，利用COK插值获取研究区内冬小麦种植面积比例分布 状况，可以分区域对大尺度冬小麦面积遥感提取结果进行修正。 关键词：遥感，监测，插值，面积，协同克里格，冬小麦 doi：10．3969／j．issn．1002—6819．2010．10．035 中图分类号：S127 文献标志码：A 文章编号：1002-6819(2010)-10-0206—06 --211． Fan ofwinterwheatarearemote basedon Lei，ChengYongzheng，ZhengGuoqing，eta1．Monitoring by sensing Cokriging[J]． Transactionsofthe Chinesewith CSAE，2010，26(10)：206--211．(inEnglishabstract) 0引言 1材料与方法 在冬小麦种植面积遥感监测中，由于遥感影像的空 1．1方法与研究区概况 间分辨率的限制而导致小地物的影响【l一，以及同物异谱 在冬小麦面积遥感监测流程(图1)中，在对提取结 和异物同谱等都导致了冬小麦面积监测中精度的降 果进行线性地物修正的基础上，依据地面样方中冬小麦 低【3-51。为了降低甚至消除其影响，为大尺度冬小麦面积 种植面积比例等因子，分别利用OK和COK进行插值， 遥感监测结果修正提供支持，在冬小麦种植面积遥感监 比较其插值结果的优劣，依据插值结果和遥感提取结果 测中，采取抽样的方法在监测区内选取一定数量的地面 分区域求取修正系数，利用修正系数分区域对冬小麦种 样方并测量样方中影响冬小麦种植面积的参数，依据地 植面积遥感提取结果进行修正。 面样方测量信息对监测区进行插值，分区域(例如以行 政县为单元)比较插值结果和遥感影像提取结果求取面 积修正系数的数学期望，从而对依据遥感影像提取的冬 小麦种植面积进行修正，有助于提高其精度。Kriging是 建立在变异函数空间分析基础上，对有限区域内的区域 化变量取值进行无偏最优估计的一种方法【6J。其又分为利 用单变量或多变量(包括主变量和协同变量)之间空间 结构的相关性，对变量进行插值预测。前者如普通克里 格(ordinary kriging，OK)、泛克里格(universalkriging， UK)等，后者即是协同克里格(cokriging，COK)。COK 是对OK的一种扩展应用，它允许同时使用一种以上的变 量进行预测，不仅考虑了各个变量之间的自相关性，而 且考虑了变量之间的交叉相关性，故较OK能更准确地预 测结果【7．16】。有研究表明，即便是在变量间缺乏简单相关 关系时，使用协同克立格法计算出的交叉相关