中文摘要：

作物种植面积遥感估算的精度与可靠性分析一直不够完善，通常用作物遥感分类识别精度、抽样误差和区域验证等来代替，而对于影响作物分类识别精度、抽样误差和区域估算精度的不确定性影响因子分析较少，而且相互之间的误差传播与耦合机理不明确，因此难以全面回答作物种植面积的总体精度和可靠性。本课题从作物遥感识别、空间抽样、地面调查和作物种植面积统计估算等四个方面，重点开展以下研究1）作物遥感识别的不确定性分析；2）基于影像的空间抽样不确定性研究；3）作物种植面积抽样调查的不确定性研究；4）作物种植面积估算的统计不确定性研究。通过上述研究，分析研究影响作物种植面积估算的不确定因子及其对作物种植面积估算精度的影响方式、大小和误差传播机理，建立综合评估模型，实现作物种植面积遥感估算精度的综合评估，并提出改善精度的相关规则，提高作物种植面积遥感估算的可靠性，为国家农业及粮食宏观决策提供更加可靠的信息支持

结论摘要：

目前作物种植面积遥感估算的精度与可靠性分析一直不够完善，通常用作物遥感分类识别精度、抽样误差和区域验证等来代替，而对于影响作物分类识别精度、抽样误差和区域估算精度的不确定性影响因子分析较少，而且相互之间的误差传播与耦合机理不明确，因此难以全面回答作物种植面积的总体精度和可靠性。本项目从作物遥感识别、空间抽样和作物种植面积统计估算等三个方面，分析研究影响作物种植面积估算的不确定因子及其对作物种植面积估算精度的影响方式、大小和误差传播机理，建立综合评估模型，实现作物种植面积遥感估算精度的综合评估，提高作物种植面积遥感估算的可靠性，为国家农业及粮食宏观决策提供更加可靠的信息支持。项目发展了基于种植成数、形状指数、种植破碎度、空间分辨率等4个变量的农作物遥感识别的误差评估模型，该模型具有较高的误差评估精度和可靠性。同时项目开展了空间抽样不确定性研究，建立了基于抽样率、抽样格网、样本分布等3个变量的农作物面积估算误差评估模型，该模型表明在省级区域5KM和0.4%的抽样率，并以均匀布样方式进行样本确定可能达到95%以上的抽样面积估算精度。