一种作物产量遥感估算方法及系统技术方案

本发明专利技术公开一种作物产量遥感估算方法及系统，所述方法采用作物生长模型开展作物生长过程模拟，如具体可选取输入参数和初始条件较少的新型作物生长模型AquaCrop开展作物生长过程模拟，并以冠层覆盖度作为作物生长模型与多源多时相遥感观测数据间的链接参数，从而实现了一种综合作物生长的生物学机制和多源多时相遥感观测数据，并以冠层覆盖度作为链接参数的作物产量遥感估算方案，相较于定量反演叶面积指数或生物量而言，基于遥感观测数据定量反演冠层覆盖度更为直接、高效，且具有更高的精度和普适性，从而本发明专利技术方案为区域作物产量的及时、快速、高精度和高普适性的遥感定量估算提供了基础理论指导和技术方法支撑。

【技术实现步骤摘要】
一种作物产量遥感估算方法及系统
本专利技术属于精准农业中的作物产量估算领域，尤其涉及一种作物产量遥感估算方法及系统。
技术介绍
作物产量估算对田间管理策略的制定与实施、粮食质量安全评估、病虫害和气象灾害等损失评估具有重要的理论研究意义和现实应用价值，是精准农业领域的研究热点。具有时空连续性的遥感观测相对于耗时费力的地面采样而言，能够及时、准确、大面积地获取作物观测数据，从而为作物产量估算提供了科学数据支持。作物产量遥感估算方法主要分为统计类和机理类，其中，机理类方法从作物生长过程的农学机制出发，通过选取合理的作物生长模型等机理类模型，以遥感观测数据为输入驱动作物生长模型模拟作物生长过程，从而定量估算作物产量，此类方法从作物生长农学角度出发，物理意义明确，数学逻辑清晰，且普适性强。作物生长模型作为能够综合定量分析作物生理学过程的工具，已经在作物产量估算领域得到了广泛应用，且有效提高了作物田间管理的决策水平。目前，作物生长模型按驱动方式可大致分为3类，光能驱动模型(如CERES系列模型)，CO2驱动模型(如WOFOST模型)，以及水分驱动模型(如AquaCrop模型)。从模型输入参数角度而言，前两类模型所需的输入参数众多，需要设定几十至上百个初始条件和输入参数，且土壤参数、品种参数、遗传参数等在区域尺度上不易获取和验证，从而降低了作物生长模型在区域作物估产方面的效率，也限制了模型的广泛应用。第三类模型如AquaCrop模型所需输入参数较少，且各参数更易获取和验证，在作物估产方面较为高效。从作物生长模型与遥感观测数据的链接参数方面而言，前两类模型通常采用叶面积指数作为链接参数，叶面积指数的遥感反演精度影响着后续基于作物生长模型的作物估产精度；第三类模型(AquaCrop模型)通常采用生物量作为链接参数，生物量的遥感反演精度影响着后续基于作物生长模型的作物估产精度，然而，通过利用遥感观测数据定量反演叶面积指数或生物量进行估产的方式，均存在估产效率和精度不够高的缺陷，从而，作物生长模型在作物估产效率和精度方面仍需进一步改进，以契合作物遥感估产对高效率和高精度的现实应用需求。因此，考虑到作物产量遥感定量估算及时、快速、高精度和普适性的现实应用需求，提供一种更具优势的作物产量遥感估算方案成为本领域的研究热点。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种作物产量遥感估算方法及系统，旨在使得能够更为及时、快速且高精度、高普适性地实现作物产量的遥感估算。为此，本专利技术公开如下技术方案：一种作物产量遥感估算方法，包括：获得研究区作物在生长周期内的多源多时相遥感观测数据，并基于所述多源多时相遥感观测数据定量反演作物的冠层覆盖度，得到多时相冠层覆盖度数据；获得研究区作物的生长模型先验数据，并依据所述生长模型先验数据，设定作物生长模型的输入参数和初始条件；基于设定的所述输入参数和初始条件，多次运行所述作物生长模型，模拟得到多条冠层覆盖度曲线，以及每条冠层覆盖度曲线对应的作物产量；其中，冠层覆盖度曲线表示作物的冠层覆盖度与不同时相的对应关系；依据所述多时相冠层覆盖度数据，从所述多条冠层覆盖度曲线中选取出一最优冠层覆盖度曲线，并以所述最优冠层覆盖度曲线对应的作物产量为研究区作物的估算产量。上述方法，优选的，所述作物生长模型为水分驱动模型AquaCrop。上述方法，优选的，所述多源多时相遥感观测数据为多源多时相遥感观测影像数据，所述多时相冠层覆盖度数据为多时相的作物冠层覆盖度影像数据，则所述基于所述多源多时相遥感观测数据定量反演作物的冠层覆盖度，包括：获得预先构建的冠层覆盖度统计反演模型，所述冠层覆盖度统计反演模型用于依据输入的多源多时相遥感观测影像数据定量反演作物的冠层覆盖度影像数据；将所述多源多时相遥感观测影像数据输入所述冠层覆盖度统计反演模型，得到所述冠层覆盖度统计反演模型输出的多时相的作物冠层覆盖度影像数据。上述方法，优选的，所述生长模型先验数据包括：研究区概况数据、作物历史数据及作物生理学特性数据，则所述依据生长模型先验数据，设定作物生长模型的输入参数和初始条件，包括：依据所述研究区概况数据、作物历史数据及作物生理学特性数据构建先验知识库；所述先验知识库用于作为所述作物生长模型的输入参数和初始条件的设定依据；根据所述先验知识库，设定作物生长模型的输入参数和初始条件。上述方法，优选的，所述依据所述多时相冠层覆盖度数据，从所述多条冠层覆盖度曲线中选取出一最优冠层覆盖度曲线，包括：从多条冠层覆盖度曲线中选取出所表征的模拟冠层覆盖度数据与反演得到的多时相冠层覆盖度数据相似度最高的曲线，作为最优冠层覆盖度曲线。上述方法，优选的，所述从多条冠层覆盖度曲线中选取出所表征的模拟冠层覆盖度数据与反演得到的多时相冠层覆盖度数据相似度最高的曲线，作为最优冠层覆盖度曲线，包括：计算多时相冠层覆盖度数据，与每条冠层覆盖度曲线在对应时相的数据之间的差异，所述差异具体采用预定的差异评价指标衡量；选取最小差异值所对应的曲线作为最优冠层覆盖度曲线。上述方法，优选的，所述差异评价指标为向量夹角，其中，所述向量夹角为：多时相冠层覆盖度数据对应的反演冠层覆盖度向量与冠层覆盖度曲线对应的模拟冠层覆盖度向量之间的夹角。一种作物产量遥感估算系统，包括：反演单元，用于获得研究区作物在生长周期内的多源多时相遥感观测数据，并基于所述多源多时相遥感观测数据定量反演作物的冠层覆盖度，得到多时相冠层覆盖度数据；设定单元，用于获得研究区作物的生长模型先验数据，并依据所述生长模型先验数据，设定作物生长模型的输入参数和初始条件；模拟单元，用于基于设定的所述输入参数和初始条件，多次运行所述作物生长模型，模拟得到多条冠层覆盖度曲线，以及每条冠层覆盖度曲线对应的作物产量；其中，冠层覆盖度曲线表示作物的冠层覆盖度与不同时相的对应关系；估算单元，用于依据所述多时相冠层覆盖度数据，从所述多条冠层覆盖度曲线中选取出一最优冠层覆盖度曲线，并以所述最优冠层覆盖度曲线对应的作物产量为研究区作物的估算产量。上述系统，优选的，所述多源多时相遥感观测数据为多源多时相遥感观测影像数据，所述多时相冠层覆盖度数据为多时相的作物冠层覆盖度影像数据，则所述反演单元，进一步用于：获得预先构建的冠层覆盖度统计反演模型，所述冠层覆盖度统计反演模型用于依据输入的多源多时相遥感观测影像数据定量反演作物的冠层覆盖度影像数据；将所述多源多时相遥感观测影像数据输入所述冠层覆盖度统计反演模型，得到所述冠层覆盖度统计反演模型输出的多时相的作物冠层覆盖度影像数据。上述系统，优选的，所述作物生长模型先验数据包括：研究区概况数据、作物历史数据及作物生理学特性数据，则所述设定单元，进一步用于：依据所述研究区概况数据、作物历史数据及作物生理学特性数据构建先验知识库；所述先验知识库用于作为所述作物生长模型的输入参数和初始条件的设定依据；根据所述先验知识库，设定作物生长模型的输入参数和初始条件。上述系统，优选的，所述估算单元依据所述多时相冠层覆盖度数据，从所述多条冠层覆盖度曲线中选取出一最优冠层覆盖度曲线，进一步包括：从多条冠层覆盖度曲线中选取出所表征的模拟冠层覆盖度数据与反演得到的多时相冠层覆盖度数据相似度最高的曲线，作为最优冠层覆盖度曲线。上本文档来自技高网...

【技术保护点】
一种作物产量遥感估算方法，其特征在于，包括：获得研究区作物在生长周期内的多源多时相遥感观测数据，并基于所述多源多时相遥感观测数据定量反演作物的冠层覆盖度，得到多时相冠层覆盖度数据；获得研究区作物的生长模型先验数据，并依据所述生长模型先验数据，设定作物生长模型的输入参数和初始条件；基于设定的所述输入参数和初始条件，多次运行所述作物生长模型，模拟得到多条冠层覆盖度曲线，以及每条冠层覆盖度曲线对应的作物产量；其中，冠层覆盖度曲线表示作物的冠层覆盖度与不同时相的对应关系；依据所述多时相冠层覆盖度数据，从所述多条冠层覆盖度曲线中选取出一最优冠层覆盖度曲线，并以所述最优冠层覆盖度曲线对应的作物产量为研究区作物的估算产量。

【技术特征摘要】
1.一种作物产量遥感估算方法，其特征在于，包括：获得研究区作物在生长周期内的多源多时相遥感观测数据，并基于所述多源多时相遥感观测数据定量反演作物的冠层覆盖度，得到多时相冠层覆盖度数据；获得研究区作物的生长模型先验数据，并依据所述生长模型先验数据，设定作物生长模型的输入参数和初始条件；基于设定的所述输入参数和初始条件，多次运行所述作物生长模型，模拟得到多条冠层覆盖度曲线，以及每条冠层覆盖度曲线对应的作物产量；其中，冠层覆盖度曲线表示作物的冠层覆盖度与不同时相的对应关系；依据所述多时相冠层覆盖度数据，从所述多条冠层覆盖度曲线中选取出一最优冠层覆盖度曲线，并以所述最优冠层覆盖度曲线对应的作物产量为研究区作物的估算产量。2.根据权利要求1所述的方法，其特征在于，所述作物生长模型为水分驱动模型AquaCrop。3.根据权利要求1所述的方法，其特征在于，所述多源多时相遥感观测数据为多源多时相遥感观测影像数据，所述多时相冠层覆盖度数据为多时相的作物冠层覆盖度影像数据，则所述基于所述多源多时相遥感观测数据定量反演作物的冠层覆盖度，包括：获得预先构建的冠层覆盖度统计反演模型，所述冠层覆盖度统计反演模型用于依据输入的多源多时相遥感观测影像数据定量反演作物的冠层覆盖度影像数据；将所述多源多时相遥感观测影像数据输入所述冠层覆盖度统计反演模型，得到所述冠层覆盖度统计反演模型输出的多时相的作物冠层覆盖度影像数据。4.根据权利要求1所述的方法，其特征在于，所述生长模型先验数据包括：研究区概况数据、作物历史数据及作物生理学特性数据，则所述依据生长模型先验数据，设定作物生长模型的输入参数和初始条件，包括：依据所述研究区概况数据、作物历史数据及作物生理学特性数据构建先验知识库；所述先验知识库用于作为所述作物生长模型的输入参数和初始条件的设定依据；根据所述先验知识库，设定作物生长模型的输入参数和初始条件。5.根据权利要求4所述的方法，其特征在于，所述依据所述多时相冠层覆盖度数据，从所述多条冠层覆盖度曲线中选取出一最优冠层覆盖度曲线，包括：从多条冠层覆盖度曲线中选取出所表征的模拟冠层覆盖度数据与反演得到的多时相冠层覆盖度数据相似度最高的曲线，作为最优冠层覆盖度曲线。6.根据权利要求5所述的方法，其特征在于，所述从多条冠层覆盖度曲线中选取出所表征的模拟冠层覆盖度数据与反演得到的多时相冠层覆盖度数据相似度最高的曲线，作为最优冠层覆盖度曲线，包括：计算多时相冠层覆盖度数据，与每条冠层覆盖度曲线在对应时相的数据之间的差异，所述差异具体采用预定的差异评价指标衡量；选取最小差异值所对应的曲线作为最优冠层覆盖度曲线。7.根据权利要求6所述的方法，其特征在于，所述差异评价指...

【专利技术属性】
技术研发人员：董莹莹，黄文江，王纪华，杨小冬，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11