一种多尺度农作物产量评估方法及系统技术方案

本发明专利技术涉及一种多尺度农作物产量评估方法及系统。评估方法包括：获取第一再分析资料、ERA5再分析资料以及作物参数；利用WOFOST模型输出模拟叶面积指数以及模拟产量；利用第一再分析资料以及ERA5再分析资料计算待选气象指标，并结合模拟产量确定季节性天气变量；根据所述模拟产量以及所述季节性天气变量确定产量评估模型；获取冬小麦返青阶段至成熟阶段的遥感数据；所述遥感数据包括每年12景叶面积指数影像；根据所述模拟叶面积指数对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数；基于SCYM多尺度农作物框架，将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述产量评估模型，确定多尺度农作物产量。本发明专利技术能够提高产量评估精度。

【技术实现步骤摘要】
一种多尺度农作物产量评估方法及系统
本专利技术涉及多尺度农作物产量评估领域，特别是涉及一种多尺度农作物产量评估方法及系统。
技术介绍
粮食安全是国家平稳健康运行的基石，是社会和谐、政治稳定和经济可持续发展的重要保障。准确预测区域乃至全球的农作物产量能够为各级政府、相关部门制定农业农村政策提供技术支持，保障粮食安全。国内外专家学者在农作物长势监测及产量估算方面进行了大量研究。上世纪70年代以来，卫星遥感技术飞速发展，诸多专家学者研究发现，建立反射率所表征的地表信息(例如植被指数、叶面积指数)与特定时间地点的产量的经验模型，在估产上可取得较高精度(Kumar1999,黄敬峰等2002,Bullock2004,王长耀和林文鹏2005,陶伟国等2007)。随着计算机技术的不断发展和农学研究的不断深入，作物生长模型以其较强的机理性和时间上的连续性成为研究作物生长情况及产量预测领域的新兴技术。然而，对于目前的估产方法而言，遥感手段过于依赖地面实测产量，作物模型则局限于单点或小范围尺度上的模拟，进而极大地抑制了模型的普适性。专家学者们研究发现，对遥感数据与作物模型进行耦合，利用空间上连续、时间上动态变化的卫星观测数据获取模型中较难获得的参数，能够调整模型产量形成的过程，使模拟结果更为精准，但不足之处在于需要以特定站点的土壤数据、逐日气象资料为支撑，采取计算密集型方法同化需要耗费大量资源、时间，给推广带来困难。美国斯坦福大学的Lobell团队针对以上估产方法存在的一些问题，提出了兼具遥感数据的宏观尺度与生长模型的机理性特点的可伸缩作物产量制图器(ScalableCropYieldMapper，SCYM)估产框架(Lobeletal2015)。该估产框架要求输入参数少且无需大量地面实测数据的校准，为多尺度农作物估产研究提供了一条有效途径。目前这一算法已被用于不同产区从县级到单个田块等不同地理尺度上的作物产量估算，产量预测结果均得到明显改善(Azzarietal2017,BurkeandLobell2017,Jainetal2017,Jinetal2017)。但是对于SCYM估产框架的研究尚在探索阶段，仅采用地面实测数据校准，模型精度只是差强人意。
技术实现思路
本专利技术的目的是提供一种多尺度农作物产量评估方法及系统，以解决现有SCYM估产框架仅采用地面实测数据校准，评估精度低的问题。为实现上述目的，本专利技术提供了如下方案：一种多尺度农作物产量评估方法，包括：获取第一再分析资料、ERA5再分析资料以及作物参数；所述第一再分析资料包括7个气象要素，所述7个气象要素为低于距离阈值的近地面气温、降水、气压、比湿度、近地面10米处风速、下行短波和长波辐射；所述ERA5再分析资料包括近地表2米处气温数据与露点温度；利用WOFOST模型输出模拟叶面积指数以及模拟产量；利用所述第一再分析资料以及所述ERA5再分析资料计算待选气象指标，并结合所述模拟产量确定季节性天气变量；所述季节性天气变量包括播种—越冬期积温、全生育期降水量、5月的太阳辐射以及12至下一年2月的平均气温；根据所述模拟产量以及所述季节性天气变量确定产量评估模型；获取冬小麦返青阶段至成熟阶段的遥感数据；所述遥感数据包括每年12景叶面积指数影像；所述模拟叶面积指数与所述遥感叶面积指数一一对应；根据所述模拟叶面积指数对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数；基于SCYM多尺度农作物框架，将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述产量评估模型，确定多尺度农作物产量。可选的，具体包括：按照8天为一个时间段对所述模拟叶面积指数进行划分，并获取任意2个时间段的模拟叶面积指数；根据所述季节性天气变量以及所述任意2个时间段的模拟叶面积指数训练随机森林模型，确定不同时段的产量评估模型。可选的，还包括：获取每个所述产量评估模型的决定系数。可选的，具体包括：对所述遥感叶面积指数进行均值滤波处理，确定滤波后的遥感叶面积指数；利用滤波后的遥感叶面积指数与相同时段的模拟叶面积指数进行线性拟合，确定拟合结果；根据所述拟合结果对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数。可选的，具体包括：基于所述SCYM多尺度农作物框架，按照所述决定系数从高到低的顺序，确定最佳观测日期；获取所述最佳观测日期对应的产量评估模型；将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述最佳观测日期对应的产量评估模型，确定多尺度农作物产量。可选的，还包括：根据所述多尺度农作物产量调整下一年的农作物生长策略；所述农作物生长策略包括农作物品种、土壤属性以及种植面积。一种多尺度农作物产量评估系统，包括：参数获取模块，用于获取第一再分析资料、ERA5再分析资料以及作物参数；所述第一再分析资料包括7个气象要素，所述7个气象要素为低于距离阈值的近地面气温、降水、气压、比湿度、近地面10米处风速、下行短波和长波辐射；所述ERA5再分析资料包括近地表2米处气温数据与露点温度；模拟参数输出模块，用于利用WOFOST模型输出模拟叶面积指数以及模拟产量；季节性天气变量确定模块，用于利用所述第一再分析资料以及所述ERA5再分析资料计算待选气象指标，并结合所述模拟产量确定季节性天气变量；所述季节性天气变量包括播种—越冬期积温、全生育期降水量、5月的太阳辐射以及12至下一年2月的平均气温；产量评估模块确定模块，用于根据所述模拟产量以及所述季节性天气变量确定产量评估模型；遥感数据获取模块，用于获取冬小麦返青阶段至成熟阶段的遥感数据；所述遥感数据包括每年12景叶面积指数影像；所述模拟叶面积指数与所述遥感叶面积指数一一对应；修正模块，用于根据所述模拟叶面积指数对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数；多尺度农作物产量确定模块，用于基于SCYM多尺度农作物框架，将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述产量评估模型，确定多尺度农作物产量。可选的，所述产量评估模型确定模块具体包括：划分单元，用于按照8天为一个时间段对所述模拟叶面积指数进行划分，并获取任意2个时间段的模拟叶面积指数；产量评估模块确定单元，用于根据所述季节性天气变量以及所述任意2个时间段的模拟叶面积指数训练随机森林模型，确定不同时段的产量评估模型。可选的，还包括：决定系数获取单元，用于获取每个所述产量评估模型的决定系数。可选的，所述修正模块具体包括：滤波单元，用于对所述遥感叶面积指数进行均值滤波处理，确定滤波后的遥感叶面积指数；拟合单元，用于利用滤波后的遥感叶面积指数与相同时段的模拟叶面积指数进行线性拟合，确定拟合结果；修正单元，用于根据所述拟合结果对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数。本文档来自技高网...

【技术保护点】
1.一种多尺度农作物产量评估方法，其特征在于，包括：/n获取第一再分析资料、ERA5再分析资料以及作物参数；所述第一再分析资料包括7个气象要素，所述7个气象要素为低于距离阈值的近地面气温、降水、气压、比湿度、近地面10米处风速、下行短波和长波辐射；所述ERA5再分析资料包括近地表2米处气温数据与露点温度；/n利用WOFOST模型输出模拟叶面积指数以及模拟产量；/n利用所述第一再分析资料以及所述ERA5再分析资料计算待选气象指标，并结合所述模拟产量确定季节性天气变量；所述季节性天气变量包括播种—越冬期积温、全生育期降水量、5月的太阳辐射以及12至下一年2月的平均气温；/n根据所述模拟产量以及所述季节性天气变量确定产量评估模型；/n获取冬小麦返青阶段至成熟阶段的遥感数据；所述遥感数据包括每年12景叶面积指数影像；所述模拟叶面积指数与所述遥感叶面积指数一一对应；/n根据所述模拟叶面积指数对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数；/n基于SCYM多尺度农作物框架，将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述产量评估模型，确定多尺度农作物产量。/n

【技术特征摘要】
1.一种多尺度农作物产量评估方法，其特征在于，包括：
获取第一再分析资料、ERA5再分析资料以及作物参数；所述第一再分析资料包括7个气象要素，所述7个气象要素为低于距离阈值的近地面气温、降水、气压、比湿度、近地面10米处风速、下行短波和长波辐射；所述ERA5再分析资料包括近地表2米处气温数据与露点温度；
利用WOFOST模型输出模拟叶面积指数以及模拟产量；
利用所述第一再分析资料以及所述ERA5再分析资料计算待选气象指标，并结合所述模拟产量确定季节性天气变量；所述季节性天气变量包括播种—越冬期积温、全生育期降水量、5月的太阳辐射以及12至下一年2月的平均气温；
根据所述模拟产量以及所述季节性天气变量确定产量评估模型；
获取冬小麦返青阶段至成熟阶段的遥感数据；所述遥感数据包括每年12景叶面积指数影像；所述模拟叶面积指数与所述遥感叶面积指数一一对应；
根据所述模拟叶面积指数对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数；
基于SCYM多尺度农作物框架，将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述产量评估模型，确定多尺度农作物产量。


2.根据权利要求1所述的多尺度农作物产量评估方法，其特征在于，所述根据所述模拟产量以及所述季节性天气变量确定产量评估模型，具体包括：
按照8天为一个时间段对所述模拟叶面积指数进行划分，并获取任意2个时间段的模拟叶面积指数；
根据所述季节性天气变量以及所述任意2个时间段的模拟叶面积指数训练随机森林模型，确定不同时段的产量评估模型。


3.根据权利要求2所述的多尺度农作物产量评估方法，其特征在于，所述根据所述季节性天气变量以及所述任意2个时间段的模拟叶面积指数训练随机森林模型，确定不同时段的产量评估模型，之后还包括：
获取每个所述产量评估模型的决定系数。


4.根据权利要求3所述的多尺度农作物产量评估方法，其特征在于，所述根据所述模拟叶面积指数对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数，具体包括：
对所述遥感叶面积指数进行均值滤波处理，确定滤波后的遥感叶面积指数；
利用滤波后的遥感叶面积指数与相同时段的模拟叶面积指数进行线性拟合，确定拟合结果；
根据所述拟合结果对所述遥感叶面积指数进行修正，确定修正后的遥感叶面积指数。


5.根据权利要求4所述的多尺度农作物产量评估方法，其特征在于，所述基于SCYM多尺度农作物框架，将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述产量评估模型，确定多尺度农作物产量，具体包括：
基于所述SCYM多尺度农作物框架，按照所述决定系数从高到低的顺序，确定最佳观测日期；
获取所述最佳观测日期对应的产量评估模型；
将所述修正后的遥感叶面积指数以及所述季节性天气变量输入到所述最佳观测日期对应...

【专利技术属性】
技术研发人员：金陆，赵维清，雷燕飞，朱再春，
申请(专利权)人：深圳市大德众和科技有限公司，
类型：发明
国别省市：广东;44