基于GIS分析的農作物價格預測

賈春鶴

（中國石油大學（華東）地球科學與技術學院，山東青島 266580）

基于GIS分析的農作物價格預測

賈春鶴

（中國石油大學（華東）地球科學與技術學院，山東青島 266580）

針對農作物價格的波動而給國家和人民帶來的巨大損失問題。文章提出了利用遙感和GIS建立農作物價格預測模型的方法。通過遙感和GIS分析的手段對農作物價格的走勢進行預測。通過建立價格預測模型來指導農作物的處理。實驗證明：該方法簡便可行，并且便于在GIS平臺上實現。對國家提供宏觀決策和人民獲得利益有重要的價值和意義。

遙感 GIS分析 農作物 價格預測

隨著社會的發展，越來越多的事物需要更加科學的指導，從GIS誕生之后，GIS應用于各個領域。一般情況下都是利用GIS對空間數據進行儲存、更新、查詢、顯示等。缺少更多的預測和決策。從而難以滿足當前決策者的需求。如果在GIS中加入數據模型，就可以提供一定的決策功能。這種功能時GIS原有功能的拓展，依然是在原有的GIS基礎上進行開發。由于模型的加入會使得GIS平臺擁有新的功能。為人類的生活和發展提供更加智能的決策和分析，真正發揮出GIS的數據挖掘和分析的能力。

1 遙感和GIS介紹

1.1 農作物識別介紹

一般對農作物識別常用到的遙感手段是利用高光譜影像進行。對農作物的識別一般會用到植被指數。常用的植被指數有：MSRI、NVI、TDVI、EVI、NDVI、IPVI、TVI、DVI、SAVI等，這些植被指數可以識別出不同的農作物，為單一農作物的提取提供了有效的手段。利用遙感對全球范圍內的糧食作物的識別，最早是美國利用NOAA/AVHRR遙感數據進行實現的。由于數據和氣象原因，利用實測光譜加上BP神經網絡建模被王崠等提出。

確定并區分各種農作物的空間分布是遙感和GIS在農業上的基礎應用。農作物遙感識別與提取是指在相應耕地的遙感圖像上，正確識別出目標農作物，并對目標農作物地塊進行提取，進而對同一地區不同耕地上、或同一塊耕地上不同季節的農作物進行分類這一觀點由唐華俊等提出。對農作物的提取可以根據遙感影像的亮度等進行區分不同的地物。為提高農作物提取的準確度，可以結合遙感圖像的紋理等信息進行提取。從而提高了對農作物提取的正確度。

1.2 GIS介紹

一般空間決策系統包括：方法庫、模型庫、空間數據庫組成，當然這是傳統的理解。對于現在，空間智能決策系統會在原有的基礎上加上知識庫，這樣就組成了一個新的空間智能決策系統，對于GIS智能決策一般會有知識層、數據層、信息表達方式、方法層等信息。同時可以將其看成是智能決策外層和內層的有機組合體。

在建立好領域知識庫、空間數據庫和空間分析模型之后，就相當于是建立了一個信息處理層，對空間實體的屬性可以動態地進行傳送和表達。GIS中的克里金算法可以直接調用。在地理學中主要分為時間地理學和行為地理學。對分析一類事物時，往往同時用到行為地理學和時間地理學。地理空間信息中添加價格和時間的數據庫，就可以在調用的時候變得更加的方便。GIS數據庫中主要就是用來儲存不同類型的數據，然后根據這些數據，進行分析和處理，使得GIS變得更加的智能。

1.3 遙感和GIS結合

遙感和GIS的結合就是將遙感技術和GIS技術進行結合，利用遙感手段來為GIS提供數據，利用GIS為遙感影像做出分析和決策。隨著現代科學技術的進步，遙感影像數據的獲得變得越來越容易。高分影像現在也可以很容易得到。再者就是對遙感影像的地物提取技術也變得越來越智能，隨著神經網絡戰勝圍棋大師，使得神經網絡變得又有了生機，現在神經網絡深度學習技術在遙感地物的提取中起著越來越重要的作用。ENVI軟件提供的流程化處理，為快速提取地物提供了有效手段。在提取地物之后可以將數據導入到GIS平臺中，利用GIS的空間分析功能使得對農作物的產量和價格做出分析和預測，從而為現實決策提供科學的依據。利用遙感快速獲取數據，利用GIS分析數據，就組成了一個大腦和一只眼睛，既能看又能有分析功能。模仿人的大腦行為。

2 價格預測理論

在市場中，影響價格的主要因素是供需關系和國家政策。在一段時間內。商品的價格主要是由供需關系決定的。因此，對價格的預測，也就可以看成主要是對商品量的預測。在GIS中可以將已分類的遙感影像進行信息提取和挖掘。利用遙感影像數據和往年的產量與價格的數據，就可以建立一個簡單的時序模型。通過時序分析，可以對未來的農作物的價格進行分析。因此，首先對農作物種植范圍的獲取。利用遙感影像對某一農作物進行提取。獲取種植面積，在此基礎上進行估量。對于產量來說一般有單位面積種植量，每株結果率和果實重量構成。朱曉紅等研究了冬小麥產量構成與光譜指數之間的關系。[1-10]在不同階段確定光譜指數和產量的關系，從而確定了小麥產量估算模型。植被指數NDVI與植物的種植密度有密切的關系。[11-24]利用遙感手段獲得農作物的種植面積，通過建立不同的模型可以將農作物的產量估算出來。在此基礎上將某類農作物的往年產量和對應的價格進行建立成一個數據庫。由于人民的需求是較為穩定的，因此利用產量和時間以及隨機影響因素作為自變量，將價格看成因變量y，建立函數模型。

對神經網絡模型來說，一般包括輸入層、隱層和輸出層。當前函數和式表示如下。

這樣就可以計算當前樣本的輸出。計算輸出層神經元的梯度可以用以下公式。

更新公式：

在提供訓練樣本集和學習率的情況下，就可以訓練模型。通過神經網絡模型來預測價格。由于農作物產品價格的區域性差異普遍存在，因此需要考慮到農作物的空間分布和空間人口分布，在密集地區，由于人口數量大，對農作物產品的需求也會隨之上升，在人口分布比較稀疏的地區，人口數量少，所對應的需求也會下降。由于供需關系的不同必然會導致商品的價格有所不同。因此將空間信息加入到模型中就變得尤為重要。同時，可以對農作物產品的空間分布進行分析，為運輸也提供決策支持。

當模型已經建立起來后，將其加載到GIS中，利用GIS空間分析的功能，對不同地區的價格做出預測。通過對時間和空間單獨建立模型后，可以看出對時間建立的價格預測模型是區域性的，將區域性的價格和空間模型的進行組合，就可以得到有關時間和空間的一個價格預測模型。

在得到預測價格的情況下，對農作物的處理也就有了預設方案。在短期內價格可以上升時，可以提前考慮建立儲備設施。如果價格在較長時間內不能得到提升，就應考慮對作物的種植規模進行縮小。

3 實驗分析

利用神經網絡算法建立起價格預測模型，獲得區域的價格走勢。現以山東省種植大蒜為例。采用2017年1月的MOD09Q1及MOD09A1反射率數據，并且是經過幾何和大氣校正的產品數據，空間分辨率為100 m、100 m。通過遙感手段提取大蒜的種植范圍，將數據導入到Arcgis中進行處理。根據往年數據建立數據庫，利用神經網絡算法建立預測模型。對數據進行分析和預測。結合地理空間分布和人口密集程度，對價格模型進行改進，使得預測模型變得更加準確。通過遙感地物提取可以得到2017年大蒜的基本產量，可以為預測提供基礎數據。

2016年山東的大蒜種植面積在19.33萬hm2左右，價格相對來說較高。2017年山東的大蒜種植面積在23.33萬hm2左右，由于面積的增加，大蒜的價格也會有一定的變化。

根據2016年的數據可以對2017年的大蒜價格進行估計，將自變量輸入可以得出一個簡單的預測。

通過對大蒜價格的預測可以對大蒜種植戶決策起到一定的指導作用，雖然大蒜的產量有所增加，但隨著大蒜數量的逐漸減少，大蒜的價格會有一個回升的過程，因此，種植戶可以考慮大蒜的儲存問題，提前做好儲存準備，從而可以得到更多的利益。進入10月份后大蒜的價格會進入快速增長，直到12月份會持續上漲，如果大蒜的儲存成本不是很高的情況下可以考慮長時間的囤積。在次年2月份之前盡量處理完。這樣也就使得收益有所增加。

4 結論

通過分析可以看出，利用GIS和遙感技術能夠快速地對農作物的價格進行分析，為生產者提供決策依據。從而最大程度上減少了生產者的投入成本，獲得較好的收益，同時為市場的需求平衡起到了一定的促進作用。如果將該方法應用到其他的領域，可能會有更大的應用價值。如果將模型進行更細化可能會使得預測變得更加的準確，但就農作物的價格而言該模型提供的預測可以很好地滿足需求。

[1] 張新妍．基于GIS空間分析功能的濕地生態旅游規劃研究．東北農業大學，2016

[2] 劉一哲．多尺度分割技術在高分辨率遙感影像地物提取方法的研究．昆明理工大學，2016

[3] 彭彬．基于GIS和WSN的滇池水質實時監測與預測系統的開發與實現．云南師范大學，2015

[4] 翟健，金曉春．城市規劃中的GIS空間分析方法．城市規劃，2014，（S2）：130～135

[5] 閆利，趙展，聶倩，等．利用規則進行高分辨率遙感影像地物提取．武漢大學學報（信息科學版），2012，（06）：636～639

[6] 劉明．基于GIS的公路交通噪聲預測技術研究．長安大學，2012

[7] 陳智芳，王景雷，宋妮．GIS空間分析技術在棉花葉面積測定中的應用．中國農學通報，2012，（09）：145～149

[8] 豐炳波，蔣祥玉，谷延鋒，等．基于地物提取場景建模的熱紅外遙感成像仿真．系統仿真學報，2012，（02）：424～428

[9] 梁錦．基于GIS的成礦預測研究進展．中山大學研究生學刊（自然科學．醫學版），2011，（02）：17～25

[10] 司玉琴．遙感影像預處理與地物提取方法研究．西安科技大學，2010

[11] 陳浩．基于GIS的多尺度生態地理物種入侵預測建模．武漢大學，2010

[12] 何春陽，賈克敬，徐小黎，等．基于GIS空間分析技術的城鄉建設用地擴展邊界規劃方法研究．中國土地科學，2010，（03）：12～18

[13] 陳建平，陳勇，王全明．基于GIS的多元信息成礦預測研究——以赤峰地區為例．地學前緣，2008，（04）：18～26

[14] 向中林．基于GIS的沂南金礦成礦地質條件分析及成礦預測．中國地質大學（北京），2008

[15] 彭劍楠．GIS空間分析方法研究．吉林大學，2008

[16] 李曉軍．GIS空間分析方法研究．浙江大學，2007

[17] 張文元，秦昆，張成才，等．基于知識的遙感圖像地物提取方法研究．地理空間信息，2007，（01）：66～69

[18] 萬建文．四川省藥用植物GIS的構建及其空間分析方法的運用探討．四川大學，2006

[19] 文海家．基于GIS的滑坡災變智能預測系統及應用研究．重慶大學，2004

[20] 黃慧萍，吳炳方．地物提取的多尺度特征遙感應用分析．遙感技術與應用，2003，（05）：276～281

[21] 況頤，周巍，馬柯．GIS在藥用植物資源調查中的應用．信陽師范學院學報（自然科學版），2003，（04）：457～460

[22] 袁峰，周濤發，岳書倉．GIS礦產資源預測中的證據權重法．黃金地質，2003，（03）：75～77

[23] 黃海峰．GIS在成礦預測中的應用．甘肅地質學報，2002，（01）：89～96

[24] 胡新麗，唐輝明．GIS支持的斜坡地質災害空間預測系統框架設計．地質科技情報，2002，（01）：99～103