基于关键时相和农田景观特征参量的作物单产估算方法技术

本发明专利技术提供了一种基于关键时相和农田景观特征参量的作物单产估算方法，根据对单产估算的精度的影响，从作物的生长过程中筛选出对单产形成比较重要的关键时相，并从作物长势特征、环境影响特征和农田景观特征中筛选出对于单产形成的关键特征指标。在此基础上，通过相关性分析剔除冗余参量，选取最佳的特征参量组合，并构建最优模型进行农作物单产估算。基于筛选的关键时相和特征参量，大幅提升了农作物单产估算建模的效率，并保证了稳定的估算精度。度。度。

【技术实现步骤摘要】
基于关键时相和农田景观特征参量的作物单产估算方法


[0001]本专利技术涉及农业生产
，尤其是涉及一种基于关键时相和农田景观特征参量的作物单产估算方法。

技术介绍

[0002]传统的作物估产方法主要基于农艺学和气象模型。通过抽样调查获得大量样本，建立产量与主要农艺、气象因子之间的回归模型。这种方法虽然精度高，但需要大量的时间和人力成本，而且容易受到外界因素的干扰，在大区域作物产量估算时尤为明显。此外，有研究利用各种统计指标和数学模型来进行统计产量估算，此类方法精度较高，但缺乏理论支持，在产量波动较大的年份估算精度较差，并且估产模型需输入大量当年的统计数据，模型估算结果滞后性严重。
[0003]早期的遥感估产方法主要建立单一生育期获取的原始光谱特征或植被指数和产量之间的统计回归模型，此类经验模型的时空泛化能力较差，在不同区域或年份应用时往往需要重新构建模型。此外，也有研究利用光能利用效率(LUE)模型，基于时间序列遥感数据进行作物单产估算；或者利用遥感与作物生长模型同化的方法来进行作物单产估算。虽然利用作物生长模型或者光能利用率模型进行估产理论性更强，但在进行县市级的大范围估产应用时均面临许多困难，如作物生长模型本地化困难、输入参数过多，光能利用率模型的收获指数难以确定等等，此外这些模型在大区域估算时效率较低且验证困难。
[0004]可见，现有技术对作物进行单产估算，其估算过程要么对于作物关键生育期/时相利用不够充分，要么涉及对大量数据的处理，效率较低。

技术实现思路

[0005]本专利技术提供一种基于关键时相和农田景观特征参量的作物单产估算方法，用以解决现有技术对作物进行单产估算，其估算过程要么对于作物关键生育期/时相利用不够充分，要么涉及对大量数据的处理，效率较低的问题。
[0006]本专利技术提供一种基于关键时相和农田景观特征参量的作物单产估算方法，包括：
[0007]筛选待进行单产估算的作物的关键时相；其中，所述关键时相根据所述作物在不同备选时相内的长势特征参量和环境特征参量对进行单产估算精度的影响来确定；
[0008]筛选对所述作物进行单产估算的关键特征参量；所述关键特征参量根据特征参量对所述作物的单产估算精度影响的敏感程度来确定；
[0009]根据所述关键时相和所述关键特征参量，通过剔除数据冗余确定最优特征参量组合，基于所述最优特征参量组合构建所述作物的单产估算模型，并通过所述单产估算模型对所述作物进行单产估算；
[0010]其中，所述关键特征参量包括作物的长势特征参量、环境特征参量和农田景观特征参量。
[0011]可选地，所述筛选待进行单产估算的作物的关键时相，包括：
[0012]对所述作物的任一备选时相，根据至少一个生长季内所述作物在所述任一备选时相内的长势特征参量和环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第一模型，并获取由所述第一模型对所述作物进行单产估算的精度，作为所述任一备选时相对应的精度；
[0013]根据所述作物不同备选时相对应的精度，选取精度最高的三个备选时相，作为筛选出的备选单时相；
[0014]针对由筛选的单备选时相确定的任一时相组合，根据至少一个生长季内所述作物在所述任一备选时相组合内的长势特征参量和环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第二模型，并获取由所述第二模型对所述作物进行单产估算的精度，作为所述任一备选时相组合对应的精度；
[0015]根据所述作物不同备选时相组合对应的精度，选取精度在预设精度范围内且所包含的时相数量最少的备选时相组合，作为筛选的备选时相组合；其中，所述预设精度范围由所有备选单时相均参与时对所述作物进行单产估算的精度确定；
[0016]若筛选的备选时相组合对应的精度高于任一筛选的单备选时相对应的精度，则将筛选的备选时相组合作为所述关键时相，否则，将筛选的备选单时相中最高精度对应的单时相作为所述关键时相。
[0017]可选地，所述筛选对所述作物进行单产估算的关键特征参量，包括：
[0018]根据至少一个生长季内所述作物的长势特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第三模型，并获取由所述第三模型对所述作物进行单产估算的精度，作为长势特征参量对应的精度；
[0019]根据至少一个生长季内所述作物的长势特征参量和第一环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第四模型，并获取由所述第四模型对所述作物进行单产估算的精度，作为长势特征参量和第一环境特征参量对应的精度；其中，第一环境特征参量为与水分相关的环境特征参量；
[0020]根据至少一个生长季内所述作物的长势特征参量和第二环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第五模型，并获取由所述第五模型对所述作物进行单产估算的精度，作为长势特征参量和第二环境特征参量对应的精度；其中，所述第二环境特征参量为与温度相关环境特征参量；
[0021]根据至少一个生长季内所述作物的长势特征参量、第一环境特征参量和第二环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第六模型，并获取由所述第六模型对所述作物进行单产估算的精度，作为长势特征参量和环境特征参量对应的精度；
[0022]从长势特征参量与不同环境特征参量的组合所对应精度中获取精度最高的组合，作为备选组合，若所述备选组合对应的精度相对于长势特征参量对应的精度提高的精度大于第一设定提高精度，则将所述备选组合中的包含的特征参量作为初步确定的关键特征参量，否则，将所述长势特征参量作为初步确定的关键特征参量。
[0023]可选地，在得到初步确定的关键特征参量之后，还包括：
[0024]根据至少一个生长季内对所述作物初步确定的关键特征参量和农田景观特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第七模型，并获取由所
述第七模型对所述作物进行单产估算的精度，作为初步确定的关键特征参量和农田景观特征参量对应的的精度；
[0025]若初步确定的关键特征参量和农田景观特征参量对应的精度相对于长势特征参量对应的精度提高的精度大于第二设定提高精度，则将初步确定的关键特征参量中包含的特征参量和所述农田景观特征参量作为确定的关键特征参量。
[0026]可选地，所述根据所述关键时相和所述关键特征参量，通过剔除数据冗余确定最优特征参量组合，基于所述最优特征参量组合构建所述作物的单产估算模型包括：
[0027]根据在所述关键时相内的各关键特征参量之间的相关程度，对所述关键特征参量进行相关性筛选，使得表示相关程度的相关系数大于预设系数的关键特征参量仅保留一个；
[0028]将在所述关键时相内经过所述相关性筛选后得到的参量组合，作为所述最优特征参量组合，根据至少一个生长季内所述作物最优特征参量组合中的各特征参量，以及所述作物对应的实际单产，确定对所述作物进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键时相和农田景观特征参量的作物单产估算方法，其特征在于，包括：筛选待进行单产估算的作物的关键时相；其中，所述关键时相根据所述作物在不同备选时相内的长势特征参量和环境特征参量对进行单产估算精度的影响来确定；筛选对所述作物进行单产估算的关键特征参量；所述关键特征参量根据特征参量对所述作物的单产估算精度影响的敏感程度来确定；根据所述关键时相和所述关键特征参量，通过剔除数据冗余确定最优特征参量组合，基于所述最优特征参量组合构建所述作物的单产估算模型，并通过所述单产估算模型对所述作物进行单产估算；其中，所述关键特征参量包括作物的长势特征参量、环境特征参量和农田景观特征参量。2.根据权利要求1所述的基于关键时相和农田景观特征参量的作物单产估算方法，其特征在于，所述筛选待进行单产估算的作物的关键时相，包括：对所述作物的任一备选时相，根据至少一个生长季内所述作物在所述任一备选时相内的长势特征参量和环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第一模型，并获取由所述第一模型对所述作物进行单产估算的精度，作为所述任一备选时相对应的精度；根据所述作物不同备选时相对应的精度，选取精度最高的三个备选时相，作为筛选出的备选单时相；针对由筛选的单备选时相确定的任一时相组合，根据至少一个生长季内所述作物在所述任一备选时相组合内的长势特征参量和环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第二模型，并获取由所述第二模型对所述作物进行单产估算的精度，作为所述任一备选时相组合对应的精度；根据所述作物不同备选时相组合对应的精度，选取精度在预设精度范围内且所包含的时相数量最少的备选时相组合，作为筛选的备选时相组合；其中，所述预设精度范围由所有备选单时相均参与时对所述作物进行单产估算的精度确定；若筛选的备选时相组合对应的精度高于任一筛选的单备选时相对应的精度，则将筛选的备选时相组合作为所述关键时相，否则，将筛选的备选单时相中最高精度对应的单时相作为所述关键时相。3.根据权利要求1所述的基于关键时相和农田景观特征参量的作物单产估算方法，其特征在于，所述筛选对所述作物进行单产估算的关键特征参量，包括：根据至少一个生长季内所述作物的长势特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第三模型，并获取由所述第三模型对所述作物进行单产估算的精度，作为长势特征参量对应的精度；根据至少一个生长季内所述作物的长势特征参量和第一环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第四模型，并获取由所述第四模型对所述作物进行单产估算的精度，作为长势特征参量和第一环境特征参量对应的精度；其中，第一环境特征参量为与水分相关的环境特征参量；根据至少一个生长季内所述作物的长势特征参量和第二环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第五模型，并获取由所述第五模型对所
述作物进行单产估算的精度，作为长势特征参量和第二环境特征参量对应的精度；其中，所述第二环境特征参量为与温度相关环境特征参量；根据至少一个生长季内所述作物的长势特征参量、第一环境特征参量和第二环境特征参量，以及所述作物对应的实际单产，确定对所述作物进行单产估算的第六模型，并获取由所述第六模型对所述作物进行单产估算的精度，作为长势特征参量和环境特征参量对应的精度；从长势特征...

【专利技术属性】
技术研发人员：杜鑫，李强子，朱炯，张源，王红岩，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：