The invention belongs to the field of agricultural remote sensing and relates to a method for estimating the date of crop emergence at regional scale, which integrates remote sensing with crop model. The specific steps are: processing medium-resolution remote sensing data to form three-band reflectance data of time series and evaluating uncertainty; calibrating the WOFOST model and combining it with the canopy radiation transfer model PROSA. IL coupling; using MCMC method to evaluate the uncertainty of WOFOST PROSAIL model; constructing Tyson polygon as data assimilation unit of remote sensing and crop model; constructing four-dimensional variational cost function and optimizing emergence date parameters; running crop grids one by one and mapping space. The method combines the respective advantages of remote sensing data and crop model, and considers the uncertainty of crop model simulation and remote sensing reflectance to construct a four-dimensional variational cost function, effectively reducing the error, improving the estimation accuracy of regional crop emergence date, and realizing regional spatial mapping.
【技术实现步骤摘要】
遥感与作物模型融合的区域尺度作物出苗日期估算方法
本专利技术属于农业遥感领域,具体涉及一种遥感与作物模型融合的区域尺度作物出苗日期估算方法。
技术介绍
农作物出苗日期是重要的农学参数,由于受到光温水等条件影响,出苗日期具有较强的空间变异性。遥感的技术手段通常不能直接反演出出苗日期。考虑作物模型模拟和遥感的反射率的不确定性构建四维变分的代价函数,有效降低了误差,提高区域作物出苗日期估算精度。
技术实现思路
为解决现有技术中存在的如下问题:“遥感的技术手段通常不能直接反演出出苗日期”,本专利技术提供一种遥感与作物模型融合的区域尺度作物出苗日期估算方法。本专利技术提供一种遥感与作物模型融合的区域尺度作物出苗日期估算方法,具体步骤如下:S1、获得研究区域的作物生育期内的中等分辨率遥感数据和实测光谱数据,对中等分辨率遥感数据进行预处理形成时间序列RED、NIR、SWIR三个波段的反射率数据,并基于实测光谱评估遥感反射率的不确定性;S2、收集研究区的气象、作物、土壤和作物管理参数,并将其作为输入参数,标定研究区作物的WOFOST模型(WorldFoodStudies,作物生长模型),耦合WOFOST模型与冠层辐射传输模型PROSAIL,动态模拟输出作物冠层RED、NIR、SWIR三个波段的反射率;S3、采用MCMC方法评估WOFOST-PROSAIL模型的不确定性;S4、以农气站点为结点,构建泰森多边形,以每个泰森多边形作为遥感与作物模型的数据同化单元;S5、在每个泰森多边形内的作物格网单元,引入模型和遥感的不确定性,构建考虑不确定性的基于遥感反射率和WOFOST-PRO ...
【技术保护点】
1.一种遥感与作物模型融合的区域尺度作物出苗日期估算方法,其特征在于,具体步骤如下:S1、获得研究区域的作物生育期内的中等分辨率遥感数据和实测光谱数据,对中等分辨率遥感数据进行预处理形成时间序列RED、NIR、SWIR三个波段的反射率数据,并基于实测光谱评估遥感反射率的不确定性;S2、收集研究区的气象、作物、土壤和作物管理参数,并将其作为输入参数,标定研究区作物的WOFOST模型,耦合WOFOST模型与冠层辐射传输模型PROSAIL,动态模拟输出作物冠层RED、NIR、SWIR三个波段的反射率;S3、采用MCMC方法评估WOFOST‑PROSAIL模型的不确定性;S4、以农气站点为结点,构建泰森多边形,以每个泰森多边形作为遥感与作物模型的数据同化单元;S5、在每个泰森多边形内的作物格网单元,引入模型和遥感的不确定性,构建考虑不确定性的基于遥感反射率和WOFOST‑PROSAIL模拟的反射率构建四维变分的代价函数,出苗日期的初始值和值域范围根据农气站点观测数据给定,采用SCU_UA全局优化算法最小化四维变分代价函数,优化出苗日期和TSUM1参数;S6、逐个作物格网运行S5的步骤,采用优化 ...
【技术特征摘要】
1.一种遥感与作物模型融合的区域尺度作物出苗日期估算方法,其特征在于,具体步骤如下:S1、获得研究区域的作物生育期内的中等分辨率遥感数据和实测光谱数据,对中等分辨率遥感数据进行预处理形成时间序列RED、NIR、SWIR三个波段的反射率数据,并基于实测光谱评估遥感反射率的不确定性;S2、收集研究区的气象、作物、土壤和作物管理参数,并将其作为输入参数,标定研究区作物的WOFOST模型,耦合WOFOST模型与冠层辐射传输模型PROSAIL,动态模拟输出作物冠层RED、NIR、SWIR三个波段的反射率;S3、采用MCMC方法评估WOFOST-PROSAIL模型的不确定性;S4、以农气站点为结点,构建泰森多边形,以每个泰森多边形作为遥感与作物模型的数据同化单元;S5、在每个泰森多边形内的作物格网单元,引入模型和遥感的不确定性,构建考虑不确定性的基于遥感反射率和WOFOST-PROSAIL模拟的反射率构建四维变分的代价函数,出苗日期的初始值和值域范围根据农气站点观测数据给定,采用SCU_UA全局优化算法最小化四维变分代价函数,优化出苗日期和TSUM1参数;S6、逐个作物格网运行S5的步骤,采用优化后的参数集重新驱动WOFOST模型,模拟输出区域的作物出苗日期,进行空间制图指导作物生产。2.如权利要求1所述的方法,其特征在于,步骤S1中所述中等分辨率遥感数据,为GF-1WFV、Landsat8OLI和Sentinel-2A/2B的数据。3.如权利要求1所述的方法,其特征在于,步骤S1中所述预处理为几何纠正、辐射定标和大气纠正。4.如权利要求1所述的方法,其特征在于,步骤S1中所述基于实测光谱评估遥感反射率的不确定性,不确定性的数值用均方根误差RMSE计算:式中,n表示观测次数;XRS,i表示...
【专利技术属性】
技术研发人员:黄健熙,卓文,黄海,朱德海,张晓东,苏伟,刘哲,李俐,
申请(专利权)人:中国农业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。