遥感影像、作物模型与气象预报融合水稻成熟期预测方法技术

本发明专利技术属于水稻成熟期预测技术领域，公开了一种遥感影像、作物模型与气象预报融合水稻成熟期预测方法，包括：对水稻种植区域进行分区；标定各分区水稻生长ORYZA2000模型参数；收集反映水稻关键生育期的产品并合成时间序列曲线；筛选出对成熟期敏感的参数，构建代价函数，获得优化参数数据集；驱动ORYZA2000作物生长模型，并将TIGGE集合预报数据作为ORYZA2000未来时段的气象输入，预测水稻成熟期；生成区域水稻成熟期预测空间分布图，及时采收水稻。本发明专利技术融合了遥感数据和作物模型优势，既能在区域尺度上预测成熟期，又能提高作物模型的预测精度，且气象预报数据的应用提高了动态预测的精度，实用性更强。

【技术实现步骤摘要】
遥感影像、作物模型与气象预报融合水稻成熟期预测方法
本专利技术属于水稻成熟期预测
，尤其涉及一种遥感影像、作物模型与气象预报融合水稻成熟期预测方法。
技术介绍
目前，农业遥感系指利用遥感技术进行农业资源调查，土地利用现状分析，农业病虫害监测，农作物估产等农业应用的综合技术，可通过获取农作物影像数据，包括其农作物生长情况、预报预测农作物病虫害。将遥感技术与农学各学科及其技术结合起来，为农业发展服务的一门综合性很强的技术。主要包括利用遥感技术进行土地资源的调查，土地利用现状的调查与分析，农作物长势的监测与分析，病虫害的预测，以及农作物的估产等，是当前遥感应用的最大用户之一。利用遥感技术监测农作物种植面积、农作物长势信息，快速监测和评估农业干旱和病虫害等灾害信息，估算全球范围、全国和区域范围的农作物产量，为粮食供应数量分析与预测预警提供信息。遥感卫星能够快速准确地获取地面信息，结合地理信息系统(GIS)和全球定位系统(GPS)等其他现代高新技术，可以实现农情信息收集和分析的定时、定量、定位，客观性强，不受人为干扰，方便农事决策，使发展精准农业成为可能。农作物遥感基本原理：遥感影像的红波段和近红外波段的反射率及其组合与作物的叶面积指数、太阳光合有效辐射、生物量具有较好的相关性。通过卫星传感器记录的地球表面信息，辨别作物类型，建立不同条件下的产量预报模型，集成农学知识和遥感观测数据，实现作物产量的遥感监测预报。可从遥感集市下载获取影像数据，通过各大终端产品定期获取专题信息产品监测与服务报告，同时又避免手工方法收集数据费时费力且具有某种破坏性的缺陷。但是，现有技术中将遥感数据和作物生长模型数据同化以及引入气象预报数据来实现区域水稻成熟期预测的方法尚未见报道。综上所述，现有技术存在的问题及缺陷是：现有技术中将遥感数据和作物生长模型数据同化以及引入气象预报数据来实现区域水稻成熟期预测的方法尚未见报道。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种遥感影像、作物模型与气象预报融合水稻成熟期预测方法。本专利技术是这样实现的，一种遥感影像、作物模型与气象预报融合水稻成熟期预测方法，所述遥感影像、作物模型与气象预报融合水稻成熟期预测方法包括以下步骤：第一步，根据气象数据、种植模式和产量水平对水稻种植区域进行分区。第二步，基于农业气象站点观测数据，标定各分区水稻生长的ORYZA2000模型参数。第三步，收集反映水稻关键生育期的产品并合成时间序列曲线。第四步，筛选出对成熟期敏感的参数，构建基于归一化的Sentinel-2LAI和ORYZA2000模拟LAI的代价函数，采用粒子群算法，利用粒子适应度值大小评价粒子的优劣，构建代价函数，获得优化参数数据集。第五步，用所得优化参数数据集驱动ORYZA2000作物生长模型，并将TIGGE集合预报数据作为ORYZA2000未来时段的气象输入，预测水稻成熟期。第六步，逐格网单元运行第五步，生成区域水稻成熟期预测空间分布图，指导水稻的及时采收。进一步，所述第一步之前，还包括：(I)通过中分辨率成像光谱仪得到具有高空间分辨率的水稻MODIS影像数据，并计算所述水稻MODIS影像数据的MODISNDVI值；(II)将所述MODISNDVI值按时间序列进行重构，得到高时间分辨率的水稻MODISNDVI时间序列；(III)通过所述水稻MODISNDVI时间序列，提取被预测年份前N年内水稻生育期的MODISNDVI值和被预测年份水稻抽穗期的MODISNDVI值。进一步，所述计算所述水稻MODIS影像数据的MODISNDVI值的公式如下：其中，(xw/2，yw/2)表示滑动窗口的中心像元，ti和tj表示影像的获取时间，Wij表示权重函数，(xi，yj)表示像元的位置，VL(xi，yj，ti)表示ti时刻给定位置(xi，yj)10m分辨率的影像数据的反射率，所述VM(xi，yj，ti)表示ti时刻给定位置(xi，yj)250m分辨率的MODIS影像数据重采样后的反射率。进一步，所述第一步中对水稻种植区域进行分区的方法，包括：1)将待测水稻全生育期的MODISNDVI数据按时间序列合成；2)按照待测水稻MODISNDVI时间序列物候特征结合气象数据、种植模式和产量水平利用随机森林算法对水稻种植区域进行分区。进一步，所述第四步中采用SCE_UA算法对代价函数进行最小化，并结合如权利要求4所述的归一化处理，代价函数按如下公式所示：其中，J为代价函数值，LAIoi代表遥感LAI值，LAImi代表作物生长模型模拟LAI值，LAIomax和LAIsmax分别代表遥感或模型模拟LAI时间序列曲线上的最大值，LAIomin和LAIsmin分别代表其最小值，n代表遥感LAI值的观测次数。进一步，所述第三步中收集反映水稻关键生育期的空间分辨率10-20米、步长5-7天的Sentinel-2LAI产品并合成时间序列曲线，运用滤波方法消除云的影响。进一步，所述第五步中提前5-10天预测水稻成熟期。进一步，所述第五步中预测水稻成熟期的方法，包括：(a)分别计算水稻被预测年份前N年内生育期的积分面积Y，采用的公式为：其中，Sa为作物生育期中的抽穗期，Sb为作物生育期中的成熟期；(b)计算水稻被预测年份前N年内生育期的积分面积Y的平均值M，利用所述平均值M及被预测年份抽穗期的MODISNDVI值计算得到被预测年份的水稻成熟期。本专利技术的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的遥感影像、作物模型与气象预报融合水稻成熟期预测方法。本专利技术的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的遥感影像、作物模型与气象预报融合水稻成熟期预测方法。结合上述的所有技术方案，本专利技术所具备的优点及积极效果为：本专利技术提供的遥感影像、作物模型与气象预报融合水稻成熟期预测方法融合了遥感数据和作物模型的优势，既能在在大区域尺度上预测水稻成熟期，提高了水稻模型的预测精度，且气象预报数据的应用又提高了动态预测的精度，实用性更强。附图说明图1是本专利技术实施例提供的遥感影像、作物模型与气象预报融合水稻成熟期预测方法流程图。图2是本专利技术实施例提供的根据气象数据、种植模式和产量水平对水稻种植区域进行分区之前的方法流程图。图3是本专利技术实施例提供的对水稻种植区域进行分区的方法流程图。图4是本专利技术实施例提供的预测水稻成熟期的方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。针对现有技术存在的问题，本专利技术提供了一本文档来自技高网...

【技术保护点】
1.一种遥感影像、作物模型与气象预报融合水稻成熟期预测方法，其特征在于，所述遥感影像、作物模型与气象预报融合水稻成熟期预测方法包括以下步骤：/n第一步，根据气象数据、种植模式和产量水平对水稻种植区域进行分区；/n第二步，基于农业气象站点观测数据，标定各分区水稻生长的ORYZA2000模型参数；/n第三步，收集反映水稻关键生育期的产品并合成时间序列曲线；/n第四步，筛选出对成熟期敏感的参数，构建基于归一化的Sentinel-2LAI和ORYZA2000模拟LAI的代价函数，采用粒子群算法，利用粒子适应度值大小评价粒子的优劣，构建代价函数，获得优化参数数据集；/n第五步，用所得优化参数数据集驱动ORYZA2000作物生长模型，并将TIGGE集合预报数据作为ORYZA2000未来时段的气象输入，预测水稻成熟期；/n第六步，逐格网单元运行第五步，生成区域水稻成熟期预测空间分布图，指导水稻的及时采收。/n

【技术特征摘要】
1.一种遥感影像、作物模型与气象预报融合水稻成熟期预测方法，其特征在于，所述遥感影像、作物模型与气象预报融合水稻成熟期预测方法包括以下步骤：
第一步，根据气象数据、种植模式和产量水平对水稻种植区域进行分区；
第二步，基于农业气象站点观测数据，标定各分区水稻生长的ORYZA2000模型参数；
第三步，收集反映水稻关键生育期的产品并合成时间序列曲线；
第四步，筛选出对成熟期敏感的参数，构建基于归一化的Sentinel-2LAI和ORYZA2000模拟LAI的代价函数，采用粒子群算法，利用粒子适应度值大小评价粒子的优劣，构建代价函数，获得优化参数数据集；
第五步，用所得优化参数数据集驱动ORYZA2000作物生长模型，并将TIGGE集合预报数据作为ORYZA2000未来时段的气象输入，预测水稻成熟期；
第六步，逐格网单元运行第五步，生成区域水稻成熟期预测空间分布图，指导水稻的及时采收。


2.如权利要求1所述的遥感影像、作物模型与气象预报融合水稻成熟期预测方法，其特征在于，所述第一步之前，还包括：
(I)通过中分辨率成像光谱仪得到具有高空间分辨率的水稻MODIS影像数据，并计算所述水稻MODIS影像数据的MODISNDVI值；
(II)将所述MODISNDVI值按时间序列进行重构，得到高时间分辨率的水稻MODISNDVI时间序列；
(III)通过所述水稻MODISNDVI时间序列，提取被预测年份前N年内水稻生育期的MODISNDVI值和被预测年份水稻抽穗期的MODISNDVI值。


3.如权利要求2所述的遥感影像、作物模型与气象预报融合水稻成熟期预测方法，其特征在于，所述计算所述水稻MODIS影像数据的MODISNDVI值的公式如下：



其中，(xw/2，yw/2)表示滑动窗口的中心像元，ti和tj表示影像的获取时间，Wij表示权重函数，(xi，yj)表示像元的位置，VL(xi，yj，ti)表示ti时刻给定位置(xi，yj)10m分辨率的影像数据的反射率，所述VM(xi，yj，ti)表示ti时刻给定位置(xi，yj)250m分辨率的MODIS影像数据重采样后的反射率。


4.如权利要求1所述的遥感影像、作物模型与气象预报融合水稻成熟期预测方法，其特征在于，所述第一步中对...

【专利技术属性】
技术研发人员：宋丽娟，陆忠军，黄楠，付斌，辛蕊，刘洋，毕洪文，郑妍妍，苏戈，王美璇，叶万军，张效霏，刘媛媛，陈磊，刘凯，
申请(专利权)人：黑龙江省农业科学院农业遥感与信息研究所，
类型：发明
国别省市：黑龙江;23