基于HASM和欧氏距离算法的烟叶品质分区方法技术

本发明专利技术属于烟草种植技术领域，具体为基于HASM和欧氏距离算法的烟叶品质分区方法，包括烟区高精度气象、土壤环境时空分布信息数据库的构建，烟区各分片气象因子、土壤性质值和烟叶感官质量综合值提取，烟叶感官质量综合值的关键因子、权重及关键因子特征值的计算，烟叶品质分区的实现。本发明专利技术以MODIS遥感信息和地面观测数据为基础，采用HASM方法与人工神经网络模型、回归模型相结合，创建烟区气象及土壤性质时空分布高精度模拟方法，获取烟区气象和土壤等环境因子精准的时空分布信息；利用多年烟叶感官品质监测数据和模拟环境数据，量化影响烟叶感官品质的关键环境因子及其权重和特征中心值；采用欧氏距离算法进行烟区烟叶品质区划。

Partitioning Method of Tobacco Quality Based on HASM and Euclidean Distance Algorithms

The invention belongs to the field of tobacco planting technology, and is specifically a tobacco leaf quality zoning method based on HASM and Euclidean distance algorithm, including the construction of high-precision meteorological and soil environment spatial-temporal distribution information database in tobacco area, the extraction of meteorological factors, soil property values and tobacco sensory quality comprehensive values in tobacco area, and the key factors, weight and key factor characteristics of tobacco leaf sensory quality comprehensive values. The calculation of value and the realization of tobacco leaf quality zoning. The invention is based on MODIS remote sensing information and ground observation data, and combines HASM method with artificial neural network model and regression model to create a high-precision simulation method of temporal and spatial distribution of meteorological and soil properties in tobacco area, to obtain accurate spatial and temporal distribution information of environmental factors such as meteorological and soil in tobacco area, and to quantify shadow by using multi-year sensory quality monitoring data and simulated environmental data. The key environmental factors and their weights and feature centers of sensory quality of sounding tobacco leaves were studied. The Euclidean distance algorithm was used to divide tobacco leaf quality in tobacco area.

【技术实现步骤摘要】
基于HASM和欧氏距离算法的烟叶品质分区方法
本专利技术属于烟草种植
，具体为基于HASM和欧氏距离算法的烟叶品质分区方法。
技术介绍
烟草是一种对其生长环境极其敏感的经济作物，烟草种植区的生态环境因素对烟叶产量和品质均有很大的影响。大量研究表明，气候和土壤等生态环境条件对烟叶田间长相长势、烟叶产量、产值、化学成分、致香物质含量和感官质量的影响极为明显，这些生态环境因素对烟叶品质的影响甚至大于品种因素。然而烟叶品质与众多环境要素间的关系极其复杂。同时，烟区多位于地形复杂的山区，山地气候和土壤等要素的时空分布信息极为复杂，其精准的时空分布信息不明。常规的环境要素空间信息的获取方法基于观测点测量数据内插或模拟得到，但是受观测点数和环境要素空间化方法的限制，目前通用的环境要素空间化方法如反距离插值法和克里格法得到的环境要素空间分布信息精度较低，在地形条件复杂的山区应用效果更差。这些因素使得烟叶生产与关键气候、土壤因子间的关系难以准确量化，极大地影响了优质安全烟区生产区划及生产措施的制定与实施。
技术实现思路
针对上述技术问题，本专利技术提供一种基于HASM和欧氏距离算法的烟叶品质分区方法本文档来自技高网...

【技术保护点】
1.基于HASM和欧氏距离算法的烟叶品质分区方法，包括以下步骤：(一)烟区高精度气象、土壤环境时空分布信息数据库的构建利用HASM模型与人工神经网络模型、最小二乘回归或地理加权回归模型相结合，分别建立烟区复杂地形条件下气象因子和土壤性质时空分布高精度模拟方法，获得烟区4至9月逐旬气象因子空间分布图，以及土壤性质空间分布图，构建烟区高精度气象、土壤环境信息数据库；(二)烟区各分片气象因子、土壤性质值和烟叶感官质量综合值提取(1)基于烟区各分片历年烟叶感官质量综合评价值，统计得到各分片多年感官品质综合得分值；(2)以分片界矢量地图和模拟得到的高精度气象、土壤性质空间分布图为基础，提取各分片4至9月...

【技术特征摘要】
1.基于HASM和欧氏距离算法的烟叶品质分区方法，包括以下步骤：(一)烟区高精度气象、土壤环境时空分布信息数据库的构建利用HASM模型与人工神经网络模型、最小二乘回归或地理加权回归模型相结合，分别建立烟区复杂地形条件下气象因子和土壤性质时空分布高精度模拟方法，获得烟区4至9月逐旬气象因子空间分布图，以及土壤性质空间分布图，构建烟区高精度气象、土壤环境信息数据库；(二)烟区各分片气象因子、土壤性质值和烟叶感官质量综合值提取(1)基于烟区各分片历年烟叶感官质量综合评价值，统计得到各分片多年感官品质综合得分值；(2)以分片界矢量地图和模拟得到的高精度气象、土壤性质空间分布图为基础，提取各分片4至9月逐旬气象因子特征值；(三)烟叶感官质量综合值的关键因子、权重及关键因子特征值的计算(1)基于烟区各分片历年感官品质综合得分值和模拟得到的气象和土壤性质值，采用直线或曲线回归模型建立各分片历年感官品质综合得分值与各分片气象和土壤性质值间的映射关系，根据各模型的显著水平确定各气象因子的关键时期或关键土壤性质；(2)将烟区各分片的感官品质综合得分值划分等级，统计计算得到不同等级烟叶品质所对应的关键环境因子平均值，以该平均值作为关键环境因子的特征中心值；(3)采用多元回归模型分别建立烟叶感官质量综合值与气温各关键时期、降雨关键时期、日照时数关键时期以及关键土壤性质间的回归模型，以模型的校正决定系数分别确定气温、降雨、日照时数和土壤性质4个因素的权重；(四)烟叶品质分区的实现(1)基于气象因子各时期及土壤性质空间分布模拟数据，利用烟区分片界矢量图，提取烟区各分片各时期关键气象因子及土壤性质值；(2)采用欧氏距离法分别计算气温、降雨量、日照时数和土壤性质4个因素与烟叶感官质量最优等级所对应的关键环境因子特征中心值间的距离；(3)将4个因素与最优烟叶等级关键环境因子特征中心值的距离乘以各自的权重，即得到各分片环境因子与最优烟叶等级所对应的环境因子中心的综合距离；该距离越小，表明所在分片的环境因子与最优烟叶等级所对应的环境因子越接近，该分片所生产的烟叶品质越优；(4)利用各分片的关键环境因子综合距离值与烟叶品质间的对应关系，以分片为评价单元，将烟区各分片划分为多类区域，从而实现对烟区烟叶感官质量分区。2.根据权利要求1所述的基于HASM和欧氏距离算法的烟叶品质分区方法，其特征在于，步骤(一)中所述的建立气象因子时空分布高精度模拟方法，包括将空间上每一个气象站的气象因子观测值看作是该站点的趋势值及其残差值之和，其数学表达式为：CLi'(t)＝θols/gwr·xT+HASM(CLi(t)-θols/gwr·xT)式中，xT为遥感信息和地形因子相关因子矩阵，θols/gwr为采用最小二乘回归或地理加权回归预测的气象因子趋势值，CLi(t)为在气象站i处t时期气象因子观测值，CLi′(t)为由该方法得到的在气象站i处t时期气象因子预测值；HASM为高精度曲面建模方法，用以完成对最小二乘回归或地理加权回归预测结果残差的空间分布模拟。3.根据权利要求2所述的基于HASM和欧氏距离算法的烟叶品质分区方法，其特征在于，步骤(一)中所述的建立气象因子时空分布高精度模拟方法，包括以下步骤：(1)辅助因子空间分布数据的建立与选择(a)下载烟区各时相MODIS地表温度、大气可降水数据，对其进行数据质量检测、纠正和投影变换等预处理，并重采样到90米空间分辨率；(b)利用1:5万地形图生成烟区90米分辨率的DEM数据，获得烟区高程、坡度、坡向空间分布栅格数据；(c)分析烟区各站点气象因子观测值与遥感信息和地形因子的相关性，以确定最终作为回归模型辅助变量的辅助因子；(2)建立气象因子与辅助因子间关系的回归模型分别以最小二乘回归模型和地理加权回归模型对气象因子观测值与辅助地理因子间的关系进行建模，对比分析最小二乘回归模型和地理加权回归模型的参数，以确定各气象因子空间分布的平稳性；若该气象因子空间分布规律稳定，则采用最小二乘回归模型揭示气象因子与辅助地理因子间的关系，从而实现对该气象因子空间分布宏观规律的模拟，反之，则采用地理加权回归模型，得到气象因子空间分布趋势值θols/gwr·xT；(3)气象因子趋势值残差的空间分布模拟将各站点观测值减去回归模型得到的趋势值，得到各站点回归模型预测值残差，采用高精度曲面建模HA...

【专利技术属性】
技术研发人员：李启权，彭月月，余雪莲，李艾雯，刘奇鑫，王昌全，李冰，陶琦，冯浪，陈玉蓝，谢云波，刘杨，卞建锋，
申请(专利权)人：四川农业大学，
类型：发明
国别省市：四川,51