阮佳平

随着国家经济的不断发展，人民的生活水平和质量得到明显的改善和提升。我国农村的农作物种植面积在不断的扩大，这也决定着农产品的产量，目前，为了给国家提供可靠的农业政策信息和粮食宏观决策信息，相关部门对农作物的种植面积进行调查和分析。现如今，在农作物的种植面积中使用了遥感估算技术，遥感估算技术具有宏观的分析能力，对农作物的种植面积起到了积极的促进作用。本文将对农作物种植面积遥感估算的影响因素进行研究和分析。

农作物种植面积的遥感估算技术是在电子科学技术的背景下逐渐发展起来的，如今已形成了各类参数及非参数化的分类算法，科学家们正利用遥感估算技术去获得更多的遥感数据信息。传统的农作物种植面积要靠人工进行进行估算及测量，而随着时间的发展和科学技术水平的不断提高，农作物种植面积可以通过遥感进行估算，这对农作物种植技术和数量带来积极的促进作用，并能够提升工作效率，从而达到一举两得的目的。

1 农作物种植面积遥感估算技术的研究方法

1.1 利用遥感估算技术进行农作物种植面积的工作流程。利用RapidEye数据分类对农作物种植基地进行提取，作为实验室的研究数据信息，以农作物种植面积的提取结果为依据，计算出每个样区农作物的种植数量及指标，再根据农作物的面积进行估算，并分析出主要影响农作物种植的因素，从而分析出农作物会随着不同的分辨率对农作物的种植面积进行分析。根据相关人员对农作物种植面积的调查和研究得知，能够给农作物种植面积的遥感估算技术造成误差的四方面因素分别是：种植的成数、种植破碎度、地块形状的指数以及空间分辨率等。

1.2 对农作物种植地块进行提取。根据RapildEye影像中所提取出的种植区域，并通过实地调查法，分析出农作物种植数据，并采用支持向量机、人工神经网络以及最大似然分类三种方法了解到农作物种植地块的数据信息，从而估算出种植面积的大概数值。根据野外实测所得知的样本信息的分类结果进行精度验证，最高的分類结果是支持向量机所探测出的结果，准确的数据信息将对农作物种植面积的后续研究和分析奠定了坚实的基础。

1.3 遥感估算的影响因素。通过农作物种植面积的数据信息可以得知，农作物的类型与地面调查的实地农作物信息是有所不同的，因此要对两者的分布类型进行统计和分析，并发现农作物的面积以及集聚程度、地块的形状指数等，这些因素对农作物种植面积的遥感估算的精准度有着一定的积极影响。例如：可以通过将20km乘以25km的农作物种植实验基地分成500个面积为1km乘以1km的种植区域，并计算出每一个样区的分辨率，以及每个样区农作物面积、聚集程度以及地块的形状指数等。

1.4 获取多分辨率的影像序列。通过尺度的拓展法对RapidEye影像所提取的农作物种植面积所分布的数据进行采样，并获得不同的分辨影像序列。在进行估算中，通常采用的尺度拓展法包括中心像元法、最近邻法以及双线性内插法等。这些方法是在遥感估算技术的不断发展中而被应用的。其中，双线内插法以及最近邻法是农作物种植面积估算中常用的方法，不仅过程相对简单，同时还能提高工作效率，但是在这三种方法的运用过程中，尺度因子不易超过5，并且不适合将影像从高分辨率转换成低分辨率，这样才能保证这三种方法发挥其作用和意义。

2 农作物种植面积遥感估算的结果分析

2.1 种植破碎度的影响。种植破碎度也是我们常说的集聚程度，由于我国地大物博，自然环境和农作物的种植都有比较繁杂，因此在农作物种植中通常会出现“插花”种植的现象。根据相关工作人员的大量统计数据信息可以分析，种植破碎度与农作物种植面积的估算精度成反比例增长的趋势。也就是说，农作物的种植破碎度较低，则种植面积的估算精度具有聚集且高精确度的特点，随着种植破碎精度的增高，种植面积的估算精度不够稳定，波动幅度较大，当种植破破碎度超过0.7时，面积的估算精度也就难以保证。

2.2 种植成数的影响。在计算不同分辨率的情况下，农作物的种植面积会随着种植成数的增高，而种植面积的精确度也随之增高，两者呈现出正比例的发展趋势，这与种植破碎度与种植面积的精确度正好相反。在较高的种植成数水平中，面积估算精度相对比较聚集，而随着种植成数的降低，面积估算精度也越来越分散。要进一步考察影像空间的分辨率与农作物种植成数与面积估算精确度之间的关系，这需要统计不同空间的分辨率下以及不同种植成数水品和平均标准差的变化趋势等。

综上所述，本文从两个方面全面论述了农作物种植面积遥感估算的影响因素，并对其进行系统分析。随着我国的农作物种植面积越来越大，不仅要在遥感估算等技术领域上进行加强，创新科学技术，同时还要考虑能够制约农作物种植面积的各种因素，并通过多元回归统计等技术去提高农作物种植面积的估算精度，从而使农作物种植面积实现良好的估算。

（作者单位：314000浙江省嘉兴市秀洲区农经局）