基于GIS分析的農(nóng)作物價格預(yù)測

賈春鶴

（中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東青島 266580）

基于GIS分析的農(nóng)作物價格預(yù)測

賈春鶴

（中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東青島 266580）

針對農(nóng)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(nóng)作物價格預(yù)測模型的方法。通過遙感和GIS分析的手段對農(nóng)作物價格的走勢進行預(yù)測。通過建立價格預(yù)測模型來指導(dǎo)農(nóng)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(xiàn)。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(nóng)作物 價格預(yù)測

隨著社會的發(fā)展，越來越多的事物需要更加科學(xué)的指導(dǎo)，從GIS誕生之后，GIS應(yīng)用于各個領(lǐng)域。一般情況下都是利用GIS對空間數(shù)據(jù)進行儲存、更新、查詢、顯示等。缺少更多的預(yù)測和決策。從而難以滿足當(dāng)前決策者的需求。如果在GIS中加入數(shù)據(jù)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(chǔ)上進行開發(fā)。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(fā)展提供更加智能的決策和分析，真正發(fā)揮出GIS的數(shù)據(jù)挖掘和分析的能力。

1 遙感和GIS介紹

1.1 農(nóng)作物識別介紹

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

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

1.2 GIS介紹

一般空間決策系統(tǒng)包括：方法庫、模型庫、空間數(shù)據(jù)庫組成，當(dāng)然這是傳統(tǒng)的理解。對于現(xiàn)在，空間智能決策系統(tǒng)會在原有的基礎(chǔ)上加上知識庫，這樣就組成了一個新的空間智能決策系統(tǒng)，對于GIS智能決策一般會有知識層、數(shù)據(jù)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(nèi)層的有機組合體。

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

1.3 遙感和GIS結(jié)合

遙感和GIS的結(jié)合就是將遙感技術(shù)和GIS技術(shù)進行結(jié)合，利用遙感手段來為GIS提供數(shù)據(jù)，利用GIS為遙感影像做出分析和決策。隨著現(xiàn)代科學(xué)技術(shù)的進步，遙感影像數(shù)據(jù)的獲得變得越來越容易。高分影像現(xiàn)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(shù)也變得越來越智能，隨著神經(jīng)網(wǎng)絡(luò)戰(zhàn)勝圍棋大師，使得神經(jīng)網(wǎng)絡(luò)變得又有了生機，現(xiàn)在神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)技術(shù)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(shù)據(jù)導(dǎo)入到GIS平臺中，利用GIS的空間分析功能使得對農(nóng)作物的產(chǎn)量和價格做出分析和預(yù)測，從而為現(xiàn)實決策提供科學(xué)的依據(jù)。利用遙感快速獲取數(shù)據(jù)，利用GIS分析數(shù)據(jù)，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(yù)測理論

在市場中，影響價格的主要因素是供需關(guān)系和國家政策。在一段時間內(nèi)。商品的價格主要是由供需關(guān)系決定的。因此，對價格的預(yù)測，也就可以看成主要是對商品量的預(yù)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(shù)據(jù)和往年的產(chǎn)量與價格的數(shù)據(jù)，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(nóng)作物的價格進行分析。因此，首先對農(nóng)作物種植范圍的獲取。利用遙感影像對某一農(nóng)作物進行提取。獲取種植面積，在此基礎(chǔ)上進行估量。對于產(chǎn)量來說一般有單位面積種植量，每株結(jié)果率和果實重量構(gòu)成。朱曉紅等研究了冬小麥產(chǎn)量構(gòu)成與光譜指數(shù)之間的關(guān)系。[1-10]在不同階段確定光譜指數(shù)和產(chǎn)量的關(guān)系，從而確定了小麥產(chǎn)量估算模型。植被指數(shù)NDVI與植物的種植密度有密切的關(guān)系。[11-24]利用遙感手段獲得農(nóng)作物的種植面積，通過建立不同的模型可以將農(nóng)作物的產(chǎn)量估算出來。在此基礎(chǔ)上將某類農(nóng)作物的往年產(chǎn)量和對應(yīng)的價格進行建立成一個數(shù)據(jù)庫。由于人民的需求是較為穩(wěn)定的，因此利用產(chǎn)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(shù)模型。

對神經(jīng)網(wǎng)絡(luò)模型來說，一般包括輸入層、隱層和輸出層。當(dāng)前函數(shù)和式表示如下。

這樣就可以計算當(dāng)前樣本的輸出。計算輸出層神經(jīng)元的梯度可以用以下公式。

更新公式：

在提供訓(xùn)練樣本集和學(xué)習(xí)率的情況下，就可以訓(xùn)練模型。通過神經(jīng)網(wǎng)絡(luò)模型來預(yù)測價格。由于農(nóng)作物產(chǎn)品價格的區(qū)域性差異普遍存在，因此需要考慮到農(nóng)作物的空間分布和空間人口分布，在密集地區(qū)，由于人口數(shù)量大，對農(nóng)作物產(chǎn)品的需求也會隨之上升，在人口分布比較稀疏的地區(qū)，人口數(shù)量少，所對應(yīng)的需求也會下降。由于供需關(guān)系的不同必然會導(dǎo)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(nóng)作物產(chǎn)品的空間分布進行分析，為運輸也提供決策支持。

當(dāng)模型已經(jīng)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(qū)的價格做出預(yù)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(yù)測模型是區(qū)域性的，將區(qū)域性的價格和空間模型的進行組合，就可以得到有關(guān)時間和空間的一個價格預(yù)測模型。

在得到預(yù)測價格的情況下，對農(nóng)作物的處理也就有了預(yù)設(shè)方案。在短期內(nèi)價格可以上升時，可以提前考慮建立儲備設(shè)施。如果價格在較長時間內(nèi)不能得到提升，就應(yīng)考慮對作物的種植規(guī)模進行縮小。

3 實驗分析

利用神經(jīng)網(wǎng)絡(luò)算法建立起價格預(yù)測模型，獲得區(qū)域的價格走勢。現(xiàn)以山東省種植大蒜為例。采用2017年1月的MOD09Q1及MOD09A1反射率數(shù)據(jù)，并且是經(jīng)過幾何和大氣校正的產(chǎn)品數(shù)據(jù)，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(shù)據(jù)導(dǎo)入到Arcgis中進行處理。根據(jù)往年數(shù)據(jù)建立數(shù)據(jù)庫，利用神經(jīng)網(wǎng)絡(luò)算法建立預(yù)測模型。對數(shù)據(jù)進行分析和預(yù)測。結(jié)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(yù)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(chǎn)量，可以為預(yù)測提供基礎(chǔ)數(shù)據(jù)。

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(jù)2016年的數(shù)據(jù)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(yù)測。

通過對大蒜價格的預(yù)測可以對大蒜種植戶決策起到一定的指導(dǎo)作用，雖然大蒜的產(chǎn)量有所增加，但隨著大蒜數(shù)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(xù)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(jié)論

通過分析可以看出，利用GIS和遙感技術(shù)能夠快速地對農(nóng)作物的價格進行分析，為生產(chǎn)者提供決策依據(jù)。從而最大程度上減少了生產(chǎn)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(yīng)用到其他的領(lǐng)域，可能會有更大的應(yīng)用價值。如果將模型進行更細化可能會使得預(yù)測變得更加的準確，但就農(nóng)作物的價格而言該模型提供的預(yù)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(tài)旅游規(guī)劃研究．東北農(nóng)業(yè)大學(xué)，2016

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

[3] 彭彬．基于GIS和WSN的滇池水質(zhì)實時監(jiān)測與預(yù)測系統(tǒng)的開發(fā)與實現(xiàn)．云南師范大學(xué)，2015

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

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

[6] 劉明．基于GIS的公路交通噪聲預(yù)測技術(shù)研究．長安大學(xué)，2012

[7] 陳智芳，王景雷，宋妮．GIS空間分析技術(shù)在棉花葉面積測定中的應(yīng)用．中國農(nóng)學(xué)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(tǒng)仿真學(xué)報，2012，（02）：424～428

[9] 梁錦．基于GIS的成礦預(yù)測研究進展．中山大學(xué)研究生學(xué)刊（自然科學(xué)．醫(yī)學(xué)版），2011，（02）：17～25

[10] 司玉琴．遙感影像預(yù)處理與地物提取方法研究．西安科技大學(xué)，2010

[11] 陳浩．基于GIS的多尺度生態(tài)地理物種入侵預(yù)測建模．武漢大學(xué)，2010

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

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

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

[15] 彭劍楠．GIS空間分析方法研究．吉林大學(xué)，2008

[16] 李曉軍．GIS空間分析方法研究．浙江大學(xué)，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(gòu)建及其空間分析方法的運用探討．四川大學(xué)，2006

[19] 文海家．基于GIS的滑坡災(zāi)變智能預(yù)測系統(tǒng)及應(yīng)用研究．重慶大學(xué)，2004

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

[21] 況頤，周巍，馬柯．GIS在藥用植物資源調(diào)查中的應(yīng)用．信陽師范學(xué)院學(xué)報（自然科學(xué)版），2003，（04）：457～460

[22] 袁峰，周濤發(fā)，岳書倉．GIS礦產(chǎn)資源預(yù)測中的證據(jù)權(quán)重法．黃金地質(zhì)，2003，（03）：75～77

[23] 黃海峰．GIS在成礦預(yù)測中的應(yīng)用．甘肅地質(zhì)學(xué)報，2002，（01）：89～96

[24] 胡新麗，唐輝明．GIS支持的斜坡地質(zhì)災(zāi)害空間預(yù)測系統(tǒng)框架設(shè)計．地質(zhì)科技情報，2002，（01）：99～103