農作物資源調查方法范文

前言：我們精心挑選了數篇優質農作物資源調查方法文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞：秸稈；現狀；綜合利用

中圖分類號：S38 文獻標識碼：A DOI：10.11974/nyyjs.20161033019

1 秸桿資源利用現狀

青海省有耕地58.8萬hm2，2015年，農作物種植面積45萬hm2，秸稈產量170萬t，可收集量約127萬t。其中種植小麥13.07萬hm2，秸稈產量46萬t；種植青稞6.07萬hm2，秸稈產量16萬t；種植馬鈴薯9.6萬hm2，秸稈產量42萬t；種植油料作物16.07萬hm2，秸稈產量30萬t，種植玉米2.9萬hm2，秸稈產量26萬t；種植蠶豆、豌豆等農作物2.53萬hm2，秸稈產量約10萬t。秸稈種類根據農作物種植類型，以小麥、油菜、馬鈴薯、玉米、青稞秸稈為主；秸稈資源分布以青海省東部的海東市和西寧市為主。秸稈利用方式主要為秸稈能源化、飼料化、秸稈還田、食用菌基料等方式為主，綜合有效利用率達74%。

1.1 秸稈能源化

指通過直接燃燒（含農村煨火炕等）、沼氣發酵、生物質爐燃燒等利用方式，每年消耗秸稈21萬t，占秸稈收集量的17%。

1.2 過腹還田

指飼草動物以秸稈為原料，飼用消化吸收后以糞便方式還田。青海省每年有66萬t秸稈通過直接喂養或氨化、微貯后作為飼料過腹還田，占秸稈收集量的52%。

1.3 秸稈還田

秸稈還田是秸稈直接或堆積腐熟后放入土壤中的一種方法，當地以留茬還田的方式為主，每年利用量在4萬t左右。

1.4 食用菌基料

食用菌基料主要指秸稈作為食用菌栽培的基礎材料發展食用菌栽培，每年利量約3萬t。

2 存在的困難和問題

2.1 利用商品化程度低

青海省農牧民素質相對較低，接受新技術、新理念、新機具等方面較慢，推廣難度相應較大。對秸稈用之為寶、棄之為害的理念還沒有深入人心，農機專業服務組織發展較慢，社會化服務還跟不上。

2.2 秸稈還田的農機推廣困難

秸稈直接還田機具的研發及配套技術的開發力量不夠，現有的秸稈還田機械多為單項作業，而青海省農戶種田面積小，田塊不集中，尤其是青海省田塊地勢不平緩，農戶投資買農機愿意不強。

2.3 偏遠農村缺能嚴重

農村能源缺乏地區，大多是退耕還林、退牧還草的重點地區，而這些地區大多數農牧民貧窮，自籌能力有限，秸稈利用以直接燃用為主，幾乎沒有秸稈加工企業，除能源化、飼料化外的其他利用方式發展緩慢。

2.4 科技支持體系不健全

青海省大部分地區處于高海拔地區，平均地溫較低，并且干旱少雨，存在農作物秸稈不易腐爛等問題，由于地方財政拮據，投入秸稈綜合利用科技研究資金相對較少，致使科技支撐體系較弱。

3 相關對策建議

3.1 開展秸稈資源調查

進一步摸清秸稈資源潛力和綜合利用現狀；根據各地區種植模式，合理確定適宜本地區的秸稈綜合利用方式（肥料、飼料、燃料、食用菌基料和工業原料）、數量和布局。

3.2 加強秸稈收集處理體系

根據田塊與資源分布情況，確定合理的適宜本地區的秸稈收集處理方式、數量和布局；進行秸稈撿拾打捆機械化技術和秸稈切碎、青貯、壓塊、制粒等秸稈處理機械化技術的研發與集成，建立較完善的秸稈收集、處理體系，加快成果轉化和示范推廣。

3.3 研發推廣秸稈還田技術

根據各地區種植模式，確定合理的適宜各地區的秸稈還田方式、數量和布局；開展秸稈機械化粉碎還田技術示范：包括油菜秸稈機械化粉碎還田技術示范，玉米秸稈機械化粉碎還田技術示范，小麥秸稈機械化粉碎還田技術示范及秸稈覆蓋還田技術示范。

3.4 研發推廣秸稈食用菌利用技術

重點開展主栽食用菌秸稈的優良品種選育與篩選及菌種生產規范化研究和示范；食用菌規模化及標準化生產新技術及新模式集成與示范；食用菌工廠化生產關鍵技術集成與示范；食用菌集約化生產關鍵技術及綜合利用研究與示范。

3.5 加強秸稈飼料化利用技術研發應用

開展秸稈飼料化利用技術的研發與集成，提高秸稈飼料化技術領域的立項比例和經費投足。

參考文獻

第2篇

[關鍵字]紅花；種植面積；主成分分析；紋理特征

[收稿日期] 2013-04-13

[基金項目] 中醫藥公共衛生專項 （財社[2011]76 號）；中醫藥行業科研專項（201207002）

[通信作者] *鄭江華，博士，碩士生導師，E-mail： itslbs@126、com

[作者簡介] 娜仁花，碩士研究生，E-mail：499361608@qq、com 紅花Carthamus tinctorius L、，又稱草紅花，屬雙子葉植物綱、菊科。高50～100 cm，莖直立，上部分枝，白色或淡白色，光滑無毛。屬于一年生或二年生草本。花期6―7月，果期8―9月。喜溫暖干燥氣候，有一定的抗寒、耐旱、耐鹽能力，不耐澇。紅花是近年世界上發展很快的油料作物和藥用植物，種子含油35%～47%，富含亞油酸、油酸以及豆蔻酸、棕櫚酸、維生素E等， 醫藥上紅花油用作抗氧化劑和維生素A，D的穩定劑。花可入藥，有活血通經、祛淤止痛的作用[1-2]。在中國分布于黑龍江、遼寧、吉林、河北、山西、內蒙古、陜西等地區特別是新疆都廣有栽培。為全面清查我國中藥資源家底，建立中藥資源動態監測機制，支持中藥產業政策調控，國家于2011年開始實施“第四次全國中藥資源普查試點”工作，新疆維吾爾自治區作為試點省區之一將紅花列為人工種植型藥用植物遙感調查品種，這主要是考慮到新疆紅花分布范圍較廣，地塊較大，利用傳統的抽樣調查不但效率低而且準確率不高，同時遙感數據可在較大程度上排除人為因素干擾，所以通過遙感的方法對其進行調查在理論上是可行的。

我國中藥資源的遙感監測應用起步不久，同類研究也不多，主要分為野生藥用植物資源監測和人工種植藥用植物資源監測。紅花的遙感監測屬于后者，因此可以借鑒農作物的遙感識別分類和面積估算方法。遙感作為農作物面積精細估算與監測的方式一直以來被認為是一種最為直接的手段，特別是基于中高分辨率影像的農作物面積精細估算與監測備受推崇。其運用過程為在收集分析各種農作物不同生育期不同光譜特征的基礎上，通過平臺上的傳感器記錄的地表信息，辨別作物類型、播種面積提取、監測作物長勢，并在作物收獲前，預測作物的產量的一系列方法。郭偉等應用HJ-1A/1B CCD影像和DEM 數據，對長春市玉米種植面積進行監測，精度達到92、57%[3]；另外為了使監測方法具有更高的精度，范磊等提出并實現基于Cokriging插值修正法的冬小麥面積遙感監測，在相同采樣數據下，協同克里格方法比普通克里格方法均方根誤差降低1、48%，相關系數提高6、82%[4]；顧曉鶴、潘忠耀等，以提高冬小麥種植面積估算精度為目標，選取種植結構復雜的都市農業區， 采用QuickBird 影像數字化農田地塊邊界，以多時相TM 影像為核心數據源，以地塊為基本分類單元，進行不同特征向量組合、不同分類器的冬小麥地塊分類方法研究，并對比分析了基于地塊分類和基于像元分類的冬小麥種植面積估算精度[5]。目前已有不少中藥工作者正在從事對地理信息系統（GIS），遙感（RS）的引入、應用與研究工作。應用范圍主要集中在利用3S技術調查藥用植物資源和地道藥材與產地適宜性這兩個方面。地理信息系統將定量和空間表述完美的結合，給中藥資源生態系統管理及中藥資源區劃研究提供了強有力的應用基礎理論上的新型思維工具[6]。張本剛、陳士林等，以甘草為研究對象，以遙感技術為基礎，探索野生藥用植物資源調查的方法，確定了基于遙感并結合野外抽樣的甘草資源調查方法，包括遙感信息源的選擇、圖像的處理、解譯、野外驗證等[7]。盧穎研究了基于GIS技術的藥用甘草適生環境及其影響因子的分析，借助先進的GIS技術和統計學方法，分析了3種藥用甘草的地理空間分布和生態環境特征，并實現了中藥資源信息、生態環境信息的可視化[8]。孫宇章、郭蘭萍等利用遙感技術對野生中藥蒼術的資源量進行了調查。介紹了研究區江蘇茅山的概況和茅山蒼術的基本情況，闡述了利用遙感技術研究野生茅蒼術的思路，根據不同地物在反射光譜特征上的差異，對江蘇茅山地區的TM影像進行了解譯，獲得了蒼術生長密度相關的地物類別，并結合野外調查數據，對茅山大茅峰、二茅峰和小茅峰蒼術的生長環境進行了分區，在此基礎上估算了茅山蒼術資源量[9]。

國外，大量研究工作表明，以中分辨率數據為主、低分辨率數據為輔的估算方法是大范圍農作物種植面積估算的主要趨勢之一[10-11]。早在2001年Pradhan就提出用地理信息系統、遙感和區域框架抽樣實現農作物區域的估算，最終開發了具有代表性的基于區域框架抽樣的計算機系統，進而實現農作物面積的估算[12]。Inglada運用支持向量機的方法實現高分辨率影像中對象的自動識別，識別的正確率超過了80%[13]；Lucas等選擇英國博溫山區為試驗區，將遙感影像數據、數字地形圖、DEM 和其他的一些數據收集并作為知識庫，建立相應的推理智能規則，對試驗區實現了農業用地的分類，整體精度超過80%[14]；Giacinto提出并設計實現了融合神經元和數理統計的遙感圖像監督分類的5種方法，5種方法試驗后的均值精度分別是：Bayes為79、37%，k-nn（k-nearest neighbour）為88、36%，MLP（multilayer perceptron）為81、60%，RBF （radial basis functions）為78、95%和PNN（probabilistic neural network）為88、66%，融合后的方法比融合前的分類精度有一定的提高，但存在設計實現過程用時較長的缺點[15]。

研究小組采用野外勘察結合室內遙感影像解譯的方法調查塔城地區裕民縣紅花的資源量。本文主要闡述室內遙感影像解譯采用的方法，以新疆裕民縣為研究區，采用資源三號高分辨率數據，以提高解譯精度和減少計算量為目標，通過大量實驗發現基于PCA和紋理特征的分類方法對提取紅花是比較適用的。因此，首先對研究區影像進行PCA分析，再對其第一主分量選擇對比度、熵、逆差矩、非相似性、相關性5種統計量進行紋理特征提取，最后將提取的5個紋理特征與經PCA分析的前3個光譜特征值疊加進行影像分類，從而根據像元數目估算研究區紅花種植面積。

1 研究區及數據處理

1、1 研究區概況 裕民縣位于新疆維吾爾自治區西北部塔額盆地南緣、準噶爾盆地西緣。地處東經 82°12′―83°30′，北緯45°24′―46°30′。北面與塔城市相連，東北與額敏縣相鄰，南面和托里縣毗鄰，西與哈薩克斯坦接壤，總面積為6 220、78 km2。全縣地勢為東南高、西北低，因分布著不同的垂直地貌帶，故海拔高度差異大，縣城內海拔為715、4 m。紅花種植業和畜牧業是裕民縣的兩大支柱產業。本研究小組在野外調查過程中發現裕民縣紅花種植區周圍其他農作物主要有小麥、油葵、玉米、打瓜等，其中小麥基本上是與紅花毗鄰種植的，在遙感影像解譯時小麥與紅花會出現誤判的情況，因此研究小組分別于2012年5月下旬、8月下旬開展了野外調查共獲取50個野外觀測樣本，包括紅花、小麥、油葵、玉米、打瓜、草場、休耕地等、為高分辨率影像目視解譯提供先驗知識和樣本信息。

1、2 試驗數據 資源三號衛星于2012年1月9日成功發射，本文數據源由4個多光譜波段（0、45～0、52μm， 0、52～0、59 μm， 0、63～0、69 μm， 0、77～0、89 μm）6 m空間分辨率和全色波段（0、50～0、80 μm）2、1 m空間分辨率融合后的4波段圖像，空間分辨率為2、1 m，成像時間為2012年7月22日，研究區位于新疆塔城地區裕民縣農業區。研究小組分別于2012年5月下旬、8月下旬對新疆塔城地區裕民縣紅花種植區進行了抽樣調查，共調查樣地50個，包括紅花、小麥、油葵、玉米、打瓜、草場、休耕地等。為高分辨率影像目視解譯提供先驗知識和樣本信息。研究小組根據實地種植結構選取了比較典型的樣本，由于當地農田中紅花和小麥是毗鄰種植，這2種作物在影像中容易混淆，兩類不同作物的田塊交界處由于相鄰像元之間能量的傳遞作用存在較多的混合像元，往往會依其混合光譜值而被錯分至其他作物類型，所以分別選取較多的紅花和小麥的典型的樣本以便區分兩類作物，而其他的作物較容易區分，因此本研究在影像分類時選取了比較科學合理的訓練樣本和驗證樣本，具體樣本分布見表1。

表1 樣本采集表

Table 1 The table of sample collection個

樣本紅花小麥玉米油葵草場訓練137433檢驗85322

2 方法

本文首先對試驗數據進行預處理，包括幾何校正、圖像增強、裁剪和融合等。幾何校正以2、1 m空間分辨率的全色波段影像為基準影像，對多光譜影像做幾何校正；再將校正好的多光譜影像與全色影像進行數據融合，這里采用Gram-Schmidt光譜銳化高保真的圖像融合算法，見圖1。Gram-Schmidt變換的影像不但很好的保留了多光譜圖像的絕大部分光譜信息，提高了影像辨識度，增強了紋理特征而且圖像色彩接近自然色，地物的對比效果較好，清晰度較高，可以消除冗余信息，且計算過程較簡單。最后對預處理結果進行裁剪得到研究區影像。繼而對研究區影像進行主成分分析，對第一主成分分量提取適宜的5種紋理特征，將這5個紋理特征值與PCA前3個光譜特征值疊加再做監督分類，分析分類結果并與傳統的監督分類進行比較。本文訓練樣本選取的原則為，用目視的方式結合野外勘察選擇的樣本相結合選取已知區域像元；精度評價方法采用混淆矩陣的方法選取一些地表真實地物的樣本作為驗證樣本。

2、1 主成分分析 主成分分析也寫作K-L變換（Karhunen-Loeve transform）或PCA（principle component analysis），K-L變換實際是作了一個旋轉變換，變換后圖像Y的各分量之間的信息是相互獨立的；而且變換后新波段各主分量所包含的信息呈逐漸減

圖1 總體技術流程圖

Fig、1 Experiment process flow chart

少的趨勢，第一主分量表示數據的最大變化量，包括了全部信息量的大部分。因此，主成分分析可以減少數據量，突出主要信息，同時抑制了噪聲，達到了圖像增強的目的，有利于特征選擇[11-18]。

由于光譜波段之間的相關性比較高，信息量有重復，如果將5種紋理信息分別加入4個光譜特征值，就會將20個特征值參與分類，這樣計算量就將大大提高，所以本文采取對光譜波段進行主成分分析，只對信息集中的第一主成分分量提取紋理特征，這樣就大大減少了計算量。

經過PCA后的第1成分包含最多的光譜信息。如果將經PCA后的前3個特征值代替原始光譜特征值參與分類，這樣使得用于分類的特征值減少了，與未經PCA變換的分類法相比，不僅降低了網絡訓練所需要的時間，而且經過主成分分析后，突出主要信息，同時抑制了噪聲，達到了圖像增強的目的，有利于特征選擇，見表2。

表2 主成分分析后各波段信息量變化表

Table 2 The change in each band of information after PCA

主成分特征值標準差1913、54252、512477、8058、663253、4835、754176、955、22

2、2 紋理特征提取 在遙感影像中當目標的光譜信息比較接近時，紋理信息對于區分目標可能會起到積極的作用，例如要區分影像上的紅花和小麥時，僅依據光譜信息是不夠的，但是它們的紋理特征有明顯的區別，如果在遙感圖像的光譜分類過程中引入紋理特征，便可以達到區分紅花和小麥的目的。因此本文將光譜信息與影像中的紋理信息結合進行分類取得比較好的分類效果。Haralick曾經提出14種由灰度共生矩陣計算出來的統計量[19]， 但是Baraldi認為對于遙感圖像來說對比度、熵、逆差矩、非相似性、相關性5種統計量效果最好[20]。所以本文也將采用這5種紋理特征。考慮到高分辨率影像數據量大、提取紋理特征慢的特點，本文采用灰度差矢量法提取紋理特征，它是一種紋理統計分析方法，是由當前應用最廣泛的灰度共生矩陣算法改進而來的[21-24]。

2、3 基于PCA的多光譜影像紋理特征提取 首先對實驗區多光譜數據進行主成分變換，采用灰度共生矩陣法對PCA的第一主成分進行5種適宜的紋理特征提取包括：對比度、熵、逆差矩、非相似性、相關性；提取紋理信息移動窗口的大小選擇很也重要，窗口的過大過小都會影響到特征提取的效果。本文在實驗中分別采用5×5，7×7，9×9，11×11窗口對PCA的第一主成分進行紋理特征的提取，實驗發現不同窗口的特征提取對分類結果精度有一定影響，實驗數據顯示7（7窗口分類精度較高，因此本文采取7×7窗口，然后將PCA的第一主成分提取5個紋理特征與PCA前3個光譜特征值疊加成有8個特征值的影像進行監督分類并做精度評價。

3 結果與討論

本文訓練樣本選取的原則為：用目視的方式結合野外勘察選擇的樣本，精度評價方法采用混淆矩陣的方法選取一些地表真實地物的樣本并且是可能會混淆的農田作為驗證樣本，來驗證分類結果。首先對提取主成分的第一主分量進行5種紋理特征提取，再將這5個紋理特征值與經過PCA分析的前3個主分量光譜特征值進行疊加做監督分類；結果表明此方法效果較好，分類結果圖見圖2～5；各種分類方法得出的結果精度見表2～5。

從表4可看出，基于紋理特征的多光譜數據分類計算量太大，很耗時，雖然總體分類精度為提升為85、235 1%，但是紅花和其他耕地的可分性不夠高，將紅花誤判為其他耕地的現象較嚴重，紅花的生產者精度只有57、48%。

圖2 原始影像RGB波段合

Fig、2 The original image of combination 342（RGB）

圖3 多光譜數據分類結果

Fig、3 The Classification results of based on Multi-spectral data

從表3可看出，多光譜特征的分類中紅花的用戶精度只有77、47%，其他類別誤判為紅花的情況比較嚴重，總體分類精度也不高；

圖4 基于紋理特征的多光譜數據分類結果

Fig、4 The Classification results of based on Multi-spectral data with texture features

從表5可看出，基于PCA和紋理特征的分類方法中各地物的可分性都較高，各類地物的生產者精

圖5 基于PCA和紋理特征的分類結果

Fig、5 The Classification results of based on PCA and texture features

度和用戶精度都較高，分類精度達到了87、519 1%，Kappa系數達到了0、810 1，比傳統的分類方法提高了4、835 5%，Kappa系數提高了0、080 7。

最后采用基于PCA和紋理特征的分類方法提取紅花，并根據像元估算得出研究區紅花種植面積為53、38 km2。

4 總結

通過結果分析可看出本文采取基于PCA和紋理特征的分類方法在提取紅花中是比較適用的。首先，加入紋理特征后與基于單源光譜數據比較，加入紋理后分類更適合本研究的數據源以及研究對象，提高了分類精度。其次，對光譜數據進行PCA分析后可以減少數據量，突出主要信息，同時抑制了噪聲，達到了圖像增強的目的，有利于特征選擇。因此基于PCA和紋理特征的分類方法既能提高分類精度還可減少數據量來提高工作效率。這為調查紅花資源量的工作者提供了比較有效的方法。

本文在以下幾個方面還需要在今后的研究中進一步補充：本文在裕民縣農業區的平原進行此方法的研究，而裕民縣山區也有紅花種植區，研究結果有待于在更大范圍和不同種植結構的實驗區內進行驗證；實驗區各地物類別的可分性直接影響分類精度，在本研究的紅花、小麥、居民地、其他耕地的分類體系中，小麥易與紅花產生特征混淆，由于當地農田中紅花和小麥是毗鄰種植，這兩種作物在影像中容易混淆，兩類不同作物的田塊交界處由于相鄰像元之間能量的傳遞作用存在較多的混合像元，若今后能對該研究區做詳細調查，采集詳細的光譜信息，深入研究“同譜異物”的現象，有望進一步提高紅花提取精度，對新疆中草藥資源普查提供更可靠的數據。

[參考文獻]

[1] 楊志福，梅其炳，蔣永培，等、紅花有效成分及藥理作用[J]、西北藥學雜志，2001，16（3）：131、

[2] 姜建雙，馮子明、紅花化學成分研究[J]、中國中藥雜志，2008，33（24）：2911、

[3] 郭偉，趙春江，顧曉鶴，等、鄉鎮尺度的玉米種植面積遙感監測[J]、農業工程學報，2011，27（9）：23、

[4] 范磊，程永政，鄭國清，等、 基于Cokriging插值修正冬小麥面積遙感監測[J]、農業工程學報，2010，26（10）：34、

[5] 顧曉鶴，潘耀忠，何馨，等、以地塊分類為核心的冬小麥種植面積遙感估算[J]、遙感學報， 2010，14（4）：789、

[6] 張藝，萬德光，孟憲麗，等、地理信息系統與中草藥資源學[J]、中國中醫藥信息雜志，1996，3（4）：13、

[7] 張本剛，陳士林，張金盛，等、基于遙感技術的甘草資源調查方法研究[J]、中草藥，2005，36（10）：1548、

[8] 盧穎、基于GIS 技術的藥用甘草適生環境及其影響因子的分析[D]、 北京：北京中醫藥大學，2007、

[9] 孫宇章，郭蘭萍，黃璐琦，等、道地藥材茅蒼術的資源遙感監測[J]、中國中藥雜志，2008，33（4）：353、

[10] Lobo A， Chic O， Casterad A、 Classification of Mediter ranean crops with multi sensor data： per-pixel versus per-object statistics and image segmentation[J]、 Int J Remote Sensing，1996，17： 2385、

[11] Langley S K， Cheshire H M， Humes K S、 A comparison of single date and multi temporal satellite image classification a semi-arid grassland[J]、 J Arid Environ， 2001，49：401、

[12] Van Niel T G， Mc Vicar T R、 A simple method to improve field-level rice identification： toward operational monitoring with satellite remote sensing[J]、 Aust J Exp Agr， 2003，43： 379、

[13] Sushil Pradhan、Crop area estimation using GIS，remote sensing and area flame sampling[J]、 Int J Appl Earth OBS，2001，3（1）：86、

[14] Jordi Inglada. Automatic recognition of man―made objects in high resolution optical remote sensing images by SVM classification of geometric image features[J]、Isprs J Photogramm， 2007，62（3） ：236、

[15] Richard Lucas，Aled Row lands，Alan Brown，et a1.Rule based classification of multi temporal satellite imagery for habitat and agricultural land cover mapping[J]、 Isprs J Photogramm， 2007，62（3） ：165、

[16] Giorgio Giacinto， Fabio Roli，Lorenzo Bruzzone、Combination of neural and statistical algorithms for supervised classification of remote―sensing images[J]、Pattern Recognition Lett，2000，21（5）：385、

[17] 吳芳，賈永紅、基于PCA-BPNN的多光譜遙感影像分類[J]、地理空間信息，2006，4（1）：16、

[18] 劉友山，呂成文，祝鳳霞，等、基于PCA和多尺度紋理特征提取的高分辨率遙感影像分類[J]、遙感技術與應用， 2012，27（5）：706、

[19] 歐春江、實例分析遙感圖像處理中的主成分分析[J]、測繪與空間地理信息， 2006， 29（5）：57、

[19] Haralick R M、 Textural features for image classification[J]、 IEEE Trans on Syst Man Cybern， 1973， 3（6）：611、

[20] Baraldi A，Parminggian F、 An investigation on the texture characteristics associated with gray level co-occurrence matrix statistical parameters[J]、IEEE Trans Geosci Remot Sen，1993，32（2）：293、

[21] 陳啟浩，高偉，劉修國，等、輔以紋理特征的高分辨率遙感影像分類[J]、測繪科學，2008，33（1）：89、

[22] 李智峰，朱谷昌，董泰鋒，等、基于灰度共生矩陣的圖像紋理特征地物分類應用[J]、地質與勘探，2011，47（3）：456、

[23] 胡玉福，鄧良基，匡先輝，等、基于紋理特征的高分辨率遙感圖像土地利用分類研究[J]、地理與地理信息科學， 2011，27（5）：42、

[24] 劉恩勤，周萬村，周介銘，等、基于光譜和紋理特征的ALOS影像土地利用信息提取[J]、地理與地理信息科學， 2012，28（4）：52、

[25] 劉新華，舒寧、紋理特征在多光譜遙感影像分類中的應用[J]、測繪信息與工程，2006，31（3）：32、

Measurement of sown area of safflower based on PCA and texture

features classification and remote sensing imagery

NA Ren-hua 1， ZHENG Jiang-hua1，2* ， GUO Bao-lin3 ， SEN Ba-ti1 ，

SHI Min-hui3 ， SUN Zhi-qun1 ， JIA Xiao-guang3 ， LI Xiao-jin3

（1、School of Resources andEnvironment Sciences， Xinjiang University， Urumqi 830046， China；

2、Xinjiang Education Ministry Key Lab of City Inteligenlizing and Environment Modeling， Urumqi 830046， China

3、 Xinjiang Chinese and Minority Nationality M edicine Research Institute， Urumqi 830002， China）

[Abstract] To improve accuracy of estimation in planted safflower acreage，we selected agricultural area in Yumin County，Xinjiang as the study area. There safflower was concentrated planted. Supervised classification based on Principal Component Analysis （PCA） and texture feature were used to obtain the safflower acreage from image captured by ZY-3. The classification result was compared with only spectral feature and spectral feature with texture feature. The research result shows that this method can effectively solve the problem of low accuracy and fracture classification result in single data source classification. The overall accuracy is 87.519 1%， which increases by 7.117 2% compared with single data source classification. Therefore， the classification method based on PCA and texture features can be adapted to RS image classification and estimate the acreage of safflower. This study provides a feasible solution for estimation of planted safflower acreage by image captured by ZY-3 satellite.

第3篇

關鍵詞：農業野生植物 保護點 激勵機制

2008年起，農業部―聯合國開發計劃署/GEF的作物野生近緣植物保護與可持續利用（CWRC）項目在廣西實施，建立示范點一個，推廣點4個。在農業部國家項目辦的領導下，經過地方領導的積極參與，當地農友的大力配合，已經取得顯著效果。目前，廣西野生稻等作物近緣野生植物采用了物理隔離保護方式（SP1）和與生產結合式（SP2）2種保護方式進行原生境保護。為其他農業野生近緣植物保護起到示范、榜樣的促進作用，特別是SP2方式更加拉近與農民的距離，和諧了人與自然、生產與保護的關系，調動農民的積極性。

1、方法

1.1 激勵機制方案編制原則

激勵機制是農業野生近緣植物保護項目采用與生產結合方式進行原生境保護的主要工作，是調動農民參與原生境野生植物遺傳資源保護主要手段。因此在項目經費許可的框架內，編制激勵機制極其重要。而編制激勵機制的指導思想就是調動一切社會資源為項目服務，充分調動農民保護農業野生近緣植物。因此，我們制定了“民主協商、農民決策、技術支撐、領導參與、三方評估”的激勵機制方案編制和實施原則。

1.1.1 民主協商原則

首先，項目領導說明項目實施的意義和目標要求；其次，由專家提出保護技術方法的要求；再之，在項目主持和實施部門的領導的發動下，由農民充分討論，提出與保護目標物種最密切的建設性項目，解決他們最想解決和急需解決的問題。

1.1.2 農民決策

經過認真的討論，提出激勵項目初步設想，在經過項目和地方領導研究其可行性，并與農友說明實施的資金、時間要求等的可能性，由他們做出最終的決定。

1.1.3 技術支撐

激勵機制設計方案項目選定過程科學家始終參與，并由科學家負責執筆編寫，制定出激勵機制方案。把與保護目標物種最密切的建設性項目，解決他們最想解決和急需解決的問題編入方案中，并在以后的項目實施過程中提供技術支撐。

1.1.4 領導參與

首先，地方領導根據項目實施的可能性，提出建議和完善意見。主要是結合地方建設項目進行協調，保障項目的完成。其次，項目領導則從整體安排上考量可行性，作出資金安排。

1.1.5 三方評估

CWRC項目是由聯合國計劃開發署/GEF聯合實施的項目，項目實施效果由他們招聘國際專家，組成第三方聯合評估團進行獨立評估。

1.2 編制方法

激勵機制編制程序，首先，農民提出的最想解決和急需解決的問題，項目科學家、技術人員記錄和充分理解問題的實質。接著科學家對問題進行分析和提煉，設計出激勵機制建設項目。其次，根據項目實施的經費可能，編制激勵機制設計方案初稿。最后，再拿初稿與農民座談、協商，由他們決定最能解決急需問題的項目。在整個編制過程，地方領導也參與其中，充分考慮激勵機制建設項目實施的可行性，保障激勵機制項目的完成，進而保障整個保護項目預期目標的完成。

1.3 技術培訓

激勵機制中的項目都是與生產相結合的建設性項目，需要地方實施部門，分類實施，基礎建設項目采用招標方式進行招標建設。與農業生產結合的項目需要進行技術培訓，進一步提高農民的生產技能，提高產量、質量和經濟效益，增加農民收入，進而提高保護農業野生近緣植物（野生稻、野生荔枝）的積極性。培訓方法采用農民田間學校的田頭現場培訓和農民自己說教的辦法，請專家、技術能人講課，再讓有經驗的農民以切身經歷交流學習體會，更快地掌握新技術新方法。同時教育培訓農民以及當地的中小學生掌握野生稻等野生近緣植物保護的技術和方法，提高保護效果。

1.4 基線調查方法

廣西野生稻的原生地多數分布點在山溝中，野生荔枝是高大喬木，零星分布在大范圍的地方，樹齡長短不等，樹齡長的樹樹冠覆蓋0.1-0.2畝地無法用小樣方進行調查，也無法采用平原或大草原的十字等距離定樣方的辦法進行調查。因此，我們制定了新的方法。

1.4.1 野生稻種質資源調查方法

用GPS儀沿保護小區周邊走一圈計算出面積。采用沿著山溝走向，在有野生稻分布的自然群落（居群）和沒有野生稻的地方隨機確定樣地10-15個，每個樣地1m2，設空樣地2-3個，用GPS儀測出每一個樣地的面積、經緯度、海拔高度，記錄在調查本里。同時，在項目實施第一年起就進行每個樣方的目標物種及伴生植物種類和株數進行基線數據調查，記錄目標物種和伴生植物的數量。此后，每年均在相同月份內進行跟蹤調查，統計其數量變化狀況，證明保護效果。

按以下公式統計出目標物種的密度，即：目標物種密度=∑yl…15（20）/15（20）×10000。按公式統計出目標物種豐富度，即：目標物種豐富度=∑yl…15（20）/∑yl…15（20）+∑bl…15（20）。yl…15（20）表示目標物種在1至15個或20個樣地的數值；bl…15（20）表示伴生植物在1至15個或20個樣地的數值。

1.4.2 野生荔枝種質資源調查方法

用GPS儀沿保護小區周邊走一圈計算出面積。在保護山地中點向四面定出十字線，沿線等距離選出10-15個樣地，設空樣地2-3個，每個樣地100m2面積。調查目標物種和伴生植物數量時在每個樣地的4個角和中央各劃定1m2，進行調查，記錄目標物種和伴生植物數量。用此公式算出每個樣地的的數量，公式：∑yl…10（15）/5×100。然后，參照野生稻調查的計算方法，統計出整個野生荔枝保護小區的目標物種的密度和豐富度。以后每年定期跟蹤調查，監測保護效果。

同時，找出該保護小區的主要威脅因素，以及威脅因素降低的安全標準，以后每年根據調查結果進行威脅因素變化的評估。進一步說明保護的作用。

1.5 生態環境監測方法

野生稻等農作物野生近緣植物原生境保護效果往往受到生態環境因素變化的影響，因此，必須設定保護小區的生態環境監測因素和方法，每年定期進行監測，采集數據，評估生態環境變化對保護目標物種的影響作用。本項目的生態環境監測范圍定在保護小區外1000米的范圍，對其生產方式、工程建設、污染源、人為破壞、自然因子等5方面進行調查和數據采集。

2、結果與分析

在農業部國家項目辦的領導下，在經過2008-2012年的實施，以及第三方的實地檢查評估證明廣西農業野生近緣植物保護點激勵機制成效顯著，從而有力推動示范點和推廣點的野生稻和野生荔枝種質資源的有效保護。

2.1 保護政策法規機制

保護政策法規機制建設是作物野生近緣植物保護和可繼續利用項目產出成果之一，是項目在當地實施必須確立的保障措施和關鍵所在。各保護點所在縣（區）政府通過成立作物野生近緣植物保護領導小組、辦公室，并保護通知，修訂鄉（鎮）規民約、村規民約（公約），完善農業野生近緣植物資源保護政策法規機制，見表1。從而強化了政府及農業主管部門在作物野生近緣植物保護和管理工作的主導地位，引導群眾自覺保護作物野生近緣植物種質資源，取得良好效果。

2.2 基礎設施建設

基礎設施建設是激勵機制的重點內容。“要致富先修路”也是商品化社會的特點，是各保護點的所在縣（區）政府積極參加保護小區建設最容易結合的切入點。通過“村村通硬化公路”、“一事一議”、新農村建設、水利維修等計劃項目，撬動配套經費，保證激勵機制建設項目的完成。通過激勵機制項目建設有效提高了生產能力和增加農民收入。例如01保護示范點項目實施前，2007年該村人均收入1650元屬于貧困村，到2012年人均收入達到2690元，收入明顯增加，保護野生稻的積極性有了顯著提升。

2.3 生計替代技術培訓

由于長期以來，保護小區地處邊遠山區，其交通運輸、生產基礎設施、生活條件相對落后，農民整日為了生活而忙碌。他們對現代化生產知識和技能接觸滯后，雖然，改革開放有許多年輕人進城打工開闊眼界，但是，保護項目任務的完成，激勵機制的實施，生計替代技術培訓是必不可少的重要環節。通過生計替代技術培訓能夠迅速地把先進的農業、加工業、第三產業的的技能教授給他們，提高他們知識和技術水平，增加經濟收入，從而減少對野生植物原生地的開墾依賴，達到保護的目的。例如：02點聯合縣陽光工程項目辦一起對原生地所在村民進行家政服務、酒店餐飲服務、服裝加工、安全保衛知識和技術培訓；其他各個保護點聯合地方和基礎的農業、水產畜牧等專家和技術能手在農民田間學校中進行具有很強針對性的栽培、養殖技術培訓，取得很好的效果。

2.4 保護知識培訓

建立原生境保護小區的根本目的就是要提高當地農友的保護知識和技術水平，保護好目標物種的種質資源。因此，保護知識培訓必不可少。國家、地方項目辦和專家成員在各個保護小區都花大力進行保護知識培訓，特別是在激勵機制方案中設立中小學生的獎學金，使保護小區所在的鄉鎮中學、村小學的每一個學生都受到作物野生近緣植物種質資源保護知識和技能教育。普遍提高當地農友和中小學生的保護知識技能和保護意識，整體提高保護工作的水平，有效保護目標物種的種質資源。

2.5 資源保護結果

基線跟蹤調查結果表明：廣西各個保護點的目標物種得到很好的保護，種群數量增加，密度增加。例如01保護示范點的結果說明，項目實施以來種群密度得到增長，種群豐富度有了改變，目標物種生長向良好方向變化。資源狀況指數為105。2012年調查發現，原來定位樣地的居群面積普遍比2008年增加2.0-3.1倍，長勢十分旺盛。2010年把示范點的經驗向推廣點進行推廣，跟蹤調查結果表明，各個推廣點的情況也是有了明顯好轉，目標物種得到有效保護。詳見表5。

2.6 生態保護結果

生態環境跟蹤監測結果表明，廣西各個作物野生近緣植物保護小區的生態環境狀況在項目實施前人為破壞較嚴重，存在開墾、偷牧、砍伐現象。項目實施后，沒有開墾、亂砍亂伐，以及工礦企業“三廢”、畜舍和其他污染現象，降低了偷牧現象，生態環境保護效果很好。

2.6.1 生產方式對目標物種保護的影響

1）種植業的影響。調查結果發現每個保護點的主栽作物相同，每年的生產方式也相同，對目標物種保護評價為中性或友好型。見表6。生產對原生地保護的影響主要在于開墾，項目實施后沒有發生開墾現象，因此，影響的評價結果就改變了。

2）養殖業的影響。調查監測結果表明，廣西各個保護點養豬基本上是圈養，對原生地影響不大。養牛、養雞、養鴨在野生稻原生地上養殖很容易造成過度放牧，破壞是毀滅性的。養牛和林下養雞業會造成放牧過度。各保護點的具體情況與評價，有一定的差異。見表7。

3）工程設施請況。廣西各個保護小區除了原有村莊的房屋建設外，就是項目實施的基本建設，主要是道路設施、水利設施等。見表2。它們對作物野生近緣植物種質資源保護沒有負作用，反而提高農民生產效率，降低了對資源過度開發和掠奪性利用的依賴，提高保護積極性。

4）自然因子情況。幾年來的監測記錄表明。各個保護小區的降雨、積溫等自然因子都有所變化，但是都在正常變化范圍，對作物野生近緣植物保護沒有形成災害影響。見表8。

2.7 項目亮點

2.7.1 制定了作物野生近緣植物保護政策

項目所有保護小區均制定了縣（區）、鄉鎮和村委保護作物野生近緣植物資源的相關政策和保護措施，建立了運行機制，確定政府部門在作物野生近緣植物資源保護上的主導地位。并廣泛宣傳，提高了干部群眾保護意識，鼓勵他們自覺參與保護作物野生近緣植物資源。同時也為其它部門支持項目點經濟建設提供政策基礎。

2.7.2 加強農作物野生近緣植物種質資源原生境保護隊伍建設

通過本項目的實施，各個保護小區均成立了省、縣（區）、鄉鎮、村4級作物野生近緣植物種質資源保護協作網，組成了包括中小學生在內的一支穩定的野生植物保護技術隊伍。并且在激勵機制項目實施、生計替代與保護知識培訓、宣傳活動，全面系統地培訓了基層的縣鄉村干部、原生地的村民，以及中小學生，使他們比較全面地了解農業野生近緣植物保護知識和保護技術，全面提高了他們的保護意識和保護技能，以及生計替代技能。提高了經濟建設和資源保護技術水平，確保了野生植物資源的可持續保護，促進人與自然和諧發展。

2.7.3 經濟建設和資源保護協調發展

社會經濟調查結果表明，項目實施前后對比就可以看到，保護小區村民的人均收入有了明顯增加。例如01保護示范點，在項目實施前的2007年人均收入為1650元，到2011年增加到2670元，增長61.81%。其他各個保護推廣點的情況也有明顯的增長，見表9。由于激勵機制促進生產發展，減少了村民開墾野生植物的原生地，減少亂砍亂伐現象，有效地保護了野生植物種質資源。見表5。因而，取得經濟建設和保護種質資源雙豐收。

2.7.4 增強保護意識和自覺行動

通過幾年來的宣傳、培訓，特別是保護法律知識宣傳和生計替代技術的培訓，保護點農民的野生近緣植物資源保護意識有了明顯的提高，人人都知道“誰破壞野生稻誰坐牢”，“誰破壞野生荔枝誰進監獄”的法律知識，保護作物野生近緣植物資源的積極性普遍提高。同時經濟意識得到了較大的提高，在作物種植模式和畜禽養殖得以突破，多種作物的輪種、套種、種養加一條龍的產業化模式也在不斷發展。

3、討論

農作物野生近緣植物資源原生境保護與生產結合具有明顯的特點，是一種切實可行的原位保護途徑。

3.1 激勵機制方法切實可行

經過5年來的示范點和推廣點的實踐，以及在藥用野生稻、普通野生稻以及野生荔枝等不同植物種質資源的保護實踐，證明激勵機制這種與生產緊密結合的保護方式（SP2）是一種十分切實可行新模式。它能夠彌補政府出錢進行物理隔離方式（SP1）保護的不足。SP1方式主要是政府的積極性起作用，農民處于被動的應付式的開展保護，消極因素相對較多。SP2能有效提高農民的生產能力，增加經濟收入，發揮農民保護野生植物種質資源的積極性，使他們明白，只有保護好野生植物種質資源，政府和世界各階層的人們才支持他們，保護得越好越有貢獻，越能得到回報。從而，在內心發出自覺的保護意識和自覺行動。SP2方式能夠同時調動政府和農民兩頭的積極性，并由于加強中小學生的保護知識培訓，可持續性較好。因此，通過激勵機制的扶持，促進原生境保護的方法是切實可行的方法。

3.2 培訓十分必要

在項目實施前，許多村民甚至縣鄉鎮領導都不知道野生稻和野生荔枝是什么東西，樣子怎樣？項目實施時，首先對縣鄉鎮各部門的領導進行實施項目的目的、意義以及保護野生稻、野生荔枝的重要性、保護意義和保護法律法規知識和保護技術培訓，接著對村干部和村民進行培訓。還對中小學生進行培訓，帶他們到現場做實習課，開展保護知識競賽，對“雙優”學生進行獎勵，建立獎學金制度。這就有效地提高各級領導和村民的保護意識、保護技能和自覺性，促進保護工作開展，提高保護效果。

在此同時，還進行生計替代項目技術培訓，把現代化的種植、養殖，以及第三產業的服務技術教授給村民，提高他們的知識和技術水平，提高生產水平，增加經濟收益。讓他們感到項目對他們的真心幫助，只有做好作物野生近緣植物資源保護工作才得到國際和國內的資助，才能有效提高家庭的收入，提高生活水平和質量。

3.3 宣傳很重要

宣傳是現代社會信息傳播的主要途徑，也是現代文明的體現。對農作物野生近緣植物種質資源原位保護項目來說，宣傳很重要。由于這類項目太基礎，基層領導和群眾多數人不知道，不了解，工作起來會存在誤解，增加工作的困難。本項目實施時就請中央電視臺有關記者組進行宣傳片的制作和電視播出，從一開始就傳播保護的正能量。使得社會各界都知道保護野生稻等野生近緣植物種質資源的重要性，項目實施縣也把項目實施作為一種為民辦實事辦好事的重大政績開展工作，專業技術人員也作為出業績的平臺努力工作，從而充分調動社會資源為項目實施服務，保障項目的高質量完成任務。

致謝：國家種質南寧野生稻圃的梁世春、曾華忠、徐志健、張燁同志，以及各個保護點的縣區領導和有關局委辦，特別是農業局的同志都做了很多野生稻保護工作，在此表示衷心的感謝！

參考文獻

[1] 龐漢華，陳成斌著. 中國野生稻資源[M]. 南寧：廣西科學技術出版社，2002，12

[2] 陳成斌，楊慶文著. 廣西野生稻考察收集和保護[M]. 南寧：廣西科學技術出版社，2012，4

[3] 楊慶文，陳大洲主編. 中國野生稻研究與利用 第一屆全國野生稻大會論文集[M]. 北京：氣象出版社，2004，8

[4] 陳成斌，潘大建等編著. 野生稻種質資源描述規范和數據標準[M]. 北京：中國農業出版社，2006，11

[5] 陳成斌，張燁，曾華忠等. 廣西野生稻保護進展與思考[J]. 植物遺傳資源學報，2012，13（2）：293-298

[6] 李克敵. 廣西野生稻原生境保護點建設的進展、問題和對策[J]. 植物遺傳資源學報，2008，9（2）：230-233

[7] 陳成斌，賴群珍，徐志健等. 廣西野生稻種質資源保護利用現狀與展望[J]. 植物遺傳資源學報，2009，10（2）：338-342

[8] 陳成斌，李楊瑞，黃一波等. 廣西野生稻原位保護示范區資源現狀調查研究[J]. 廣西農業科學，2005，36（3）：269-272