粒子滤波数据同化的区域作物产量估测方法及系统技术方案

本发明专利技术提供一种粒子滤波数据同化的区域作物产量估测方法及系统，方法包括：在作物关键生育期内，按照固定时间间隔运行每个粒子，直至每个粒子都运行到作物成熟期为止，并获取每个粒子输出的第一LAI；根据后验概率密度函数、更新后的每个第一LAI和似然函数，更新每个粒子的初始权重，得到每个粒子的更新权重；在粒子散度小于预设值的情况下，对初始粒子集合中的每个粒子重采样，更新初始粒子集合；在每个粒子运行到作物成熟期的情况下，根据每个粒子的作物产量和最终权重，获取作物产量的估测值。本发明专利技术能够提高粒子的顺序采样效率，降低重采样次数，保持了粒子输入参数的多样性，同时提高了对作物产量预测的速度和精度。时提高了对作物产量预测的速度和精度。时提高了对作物产量预测的速度和精度。

【技术实现步骤摘要】
粒子滤波数据同化的区域作物产量估测方法及系统


[0001]本专利技术涉及农业遥感
，尤其涉及一种粒子滤波数据同化的区域作物产量估测方法及系统。

技术介绍

[0002]传统的农作物估产方法主要有统计调查方法、基于作物模型的预报方法以及农业气象预报方法等。这些方法由于其固有的局限性都难以实现区域作物产量高精度估测。而基于卫星遥感技术的估测方法，凭借空间上连续和时间上动态的特点，在区域作物的产量估测上具有得天独厚的优势。同时，将遥感技术与基于作物光合、呼吸、蒸腾、营养等机理过程的作物生长模型结合能够达到区域高精度估产的目的。数据同化方法能够结合作物生长模型在点上、遥感观测在面上的优势，成为近年来国内外农业定量遥感的研究的热点。
[0003]然而，现有的同化估产方法中，普遍基于作物生长模型状态向量与遥感观测向量的高斯假设和作物生长模型的弱非线性假设，但是这两种假设与实际情况的不相符性给同化的估产带来了误差，无法满足区域尺度高精度作物产量估测要求。

技术实现思路

[0004]本专利技术提供的粒子滤波数据同化的区域作物产量估测方法及系统，用于解决现有技术中存在的基于作物生长模型状态向量与遥感观测向量的高斯假设和作物生长模型的弱非线性假设，与实际情况的不相符性给同化的估产带来了误差，而标准的粒子滤波算法作为一种能很好解决非线性、非高斯问题的算法，在应用于遥感与作物生长模型同化的研究中时会出现严重的粒子退化问题，从而导致同化速度和结果精度无法达到预期的问题，本专利技术提供的方法克服了标准粒子滤波算法的这一问题，提高了同化速度与结果精度。
[0005]本专利技术提供的一种粒子滤波数据同化的区域作物产量估测方法，包括：
[0006]在作物关键生育期内，按照固定时间间隔运行初始粒子集合中的每个粒子，直至每个粒子都运行到作物成熟期为止，并获取所述每个粒子输出的第一叶面积指数LAI，所述初始粒子集合中的每个粒子是根据作物生长模型和所述作物生长模型的关键参数的后验样本集合得到的，所述后验样本集合通过对所述作物生长模型的关键参数进行标定后得到的，所述关键参数为所述作物生长模型中与区域内的作物产量相关的参数；
[0007]根据所述每个粒子模拟LAI误差的后验概率密度函数、更新后的每个第一LAI和似然函数，更新每个粒子的初始权重，得到每个粒子的更新权重，所述更新后的每个第一LAI是根据每个第一LAI的提议过渡概率密度函数对所述每个第一LAI进行更新后得到的，所述似然函数为高斯分布的概率密度函数，所述似然函数的均值为第一集合中所有第二LAI的均值，所述似然函数的方差为所述所有第二LAI的方差，所述第一集合为区域内作物的第二LAI组成的集合，所述第二LAI是通过将所述作物关键生育期内的第三LAI添加高斯噪声后得到的，所述第三LAI为从目标产品中获取的作物关键生育期内的作物的LAI；
[0008]在粒子散度小于预设值的情况下，对所述初始粒子集合中的每个粒子重采样，更
新所述初始粒子集合，所述预设值是根据粒子数量的预设比例确定的，所述粒子散度是根据所述每个粒子的更新权重确定的；
[0009]在每个粒子运行到所述作物成熟期的情况下，根据每个粒子输出的作物产量和每个粒子的最终权重，获取所述作物产量的估测值，所述最终权重是根据所述作物成熟期时的每个粒子对应的更新权重确定的。
[0010]根据本专利技术提供的一种粒子滤波数据同化的区域作物产量估测方法，所述初始粒子集合的获取方式，包括：
[0011]根据所述区域内的作物产量和所述区域内作物的第三LAI，对所述作物生长模型中的所述关键参数进行标定，得到所述关键参数的后验样本集合；
[0012]根据所述后验样本集合和所述作物生长模型，得到所述初始粒子集合，所述初始粒子集合中的每个粒子为将抽样样本输入到所述作物生长模型后得到，所述抽样样本是对所述后验样本集合随机抽样后得到的。
[0013]根据本专利技术提供的一种粒子滤波数据同化的区域作物产量估测方法，所述根据所述区域内的作物产量和所述区域内作物的第三LAI，对所述作物生长模型中的所述关键参数进行标定，得到所述关键参数的后验样本集合，包括：
[0014]根据所述作物产量和所述第三LAI，采用马尔可夫链蒙特卡罗算法对所述关键参数进行标定，得到所述后验样本集合。
[0015]根据本专利技术提供的一种粒子滤波数据同化的区域作物产量估测方法，所述每个粒子模拟LAI误差的后验概率密度函数的获取方式，包括：
[0016]运行所述每个粒子，得到所述每个粒子模拟LAI误差的后验概率密度函数。
[0017]根据本专利技术提供的一种粒子滤波数据同化的区域作物产量估测方法，所述每个第一LAI的提议过渡概率密度函数的获取方式，包括：
[0018]将所述第一集合和第二集合输入到集合卡尔曼滤波算法，得到每个第一LAI的所述提议过渡概率密度函数，所述第二集合为所述每个粒子输出的第一LAI组成的集合。
[0019]根据本专利技术提供的一种粒子滤波数据同化的区域作物产量估测方法，在所述每个粒子运行到所述作物成熟期的情况下，所述根据每个粒子输出的作物产量和每个粒子的最终权重，获取所述作物产量的估测值，包括：
[0020]根据所述每个粒子的最终权重对每个粒子输出的作物产量进行加权求和，获取所述作物产量的估测值。
[0021]本专利技术还提供一种粒子滤波数据同化的区域作物产量估测系统，包括：数据获取模块、权重更新模块、粒子更新模块以及产量估测模块；
[0022]所述数据获取模块，用于在作物关键生育期内，按照固定时间间隔运行初始粒子集合中的每个粒子，直至每个粒子都运行到作物成熟期为止，并获取所述每个粒子输出的第一叶面积指数LAI，所述初始粒子集合中的每个粒子是根据作物生长模型和所述作物生长模型的关键参数的后验样本集合得到的，所述后验样本集合通过对所述作物生长模型的关键参数进行标定后得到的，所述关键参数为所述作物生长模型中与区域内的作物产量相关的参数；
[0023]所述权重更新模块，用于根据所述每个粒子模拟LAI误差的后验概率密度函数、更新后的每个第一LAI和似然函数，更新每个粒子的初始权重，得到每个粒子的更新权重，所
述更新后的每个第一LAI是根据每个第一LAI的提议过渡概率密度函数对所述每个第一LAI进行更新后得到的，所述似然函数为高斯分布的概率密度函数，所述似然函数的均值为第一集合中所有第二LAI的均值，所述似然函数的方差为所述所有第二LAI的方差，所述第一集合为区域内作物的第二LAI组成的集合，所述第二LAI是通过将所述作物关键生育期内的第三LAI添加高斯噪声后得到的，所述第三LAI为从目标产品中获取的作物关键生育期内的作物的LAI；
[0024]所述粒子更新模块，用于在粒子散度小于预设值的情况下，对所述初始粒子集合中的每个粒子重采样，更新所述初始粒子集合，所述预设值是根据粒子数量的预设比例确定的，所述粒子散度是根据所述每个粒子的更新权重确定的；
[0025]所述产量估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种粒子滤波数据同化的区域作物产量估测方法，其特征在于，包括：在作物关键生育期内，按照固定时间间隔运行初始粒子集合中的每个粒子，直至每个粒子都运行到作物成熟期为止，并获取所述每个粒子输出的第一叶面积指数LAI，所述初始粒子集合中的每个粒子是根据作物生长模型和所述作物生长模型的关键参数的后验样本集合得到的，所述后验样本集合通过对所述作物生长模型的关键参数进行标定后得到的，所述关键参数为所述作物生长模型中与区域内的作物产量相关的参数；根据所述每个粒子模拟LAI误差的后验概率密度函数、更新后的每个第一LAI和似然函数，更新每个粒子的初始权重，得到每个粒子的更新权重，所述更新后的每个第一LAI是根据每个第一LAI的提议过渡概率密度函数对所述每个第一LAI进行更新后得到的，所述似然函数为高斯分布的概率密度函数，所述似然函数的均值为第一集合中所有第二LAI的均值，所述似然函数的方差为所述所有第二LAI的方差，所述第一集合为区域内作物的第二LAI组成的集合，所述第二LAI是通过将所述作物关键生育期内的第三LAI添加高斯噪声后得到的，所述第三LAI为从目标产品中获取的作物关键生育期内的作物的LAI；在粒子散度小于预设值的情况下，对所述初始粒子集合中的每个粒子重采样，更新所述初始粒子集合，所述预设值是根据粒子数量的预设比例确定的，所述粒子散度是根据所述每个粒子的更新权重确定的；在每个粒子运行到所述作物成熟期的情况下，根据每个粒子输出的作物产量和每个粒子的最终权重，获取所述作物产量的估测值，所述最终权重是根据所述作物成熟期时的每个粒子对应的更新权重确定的。2.根据权利要求1所述的粒子滤波数据同化的区域作物产量估测方法，其特征在于，所述初始粒子集合的获取方式，包括：根据所述区域内的作物产量和所述区域内作物的第三LAI，对所5述作物生长模型中的所述关键参数进行标定，得到所述关键参数的后验样本集合；根据所述后验样本集合和所述作物生长模型，得到所述初始粒子集合，所述初始粒子集合中的每个粒子为将抽样样本输入到所述作物生长模型后得到，所述抽样样本是对所述后验样本集合随机抽样后得0到的。3.根据权利要求2所述的粒子滤波数据同化的区域作物产量估测方法，其特征在于，所述根据所述区域内的作物产量和所述区域内作物的第三LAI，对所述作物生长模型中的所述关键参数进行标定，得到所述关键参数的后验样本集合，包括：5根据所述作物产量和所述第三LAI，采用马尔可夫链蒙特卡罗算法对所述关键参数进行标定，得到所述后验样本集合。4.根据权利要求1所述的粒子滤波数据同化的区域作物产量估测方法，其特征在于，所述每个粒子模拟LAI误差的后验概率密度函数的获取方式，包括：0运行所述每个粒子，得到所述每个粒子模拟LAI误差的后验概率密度函数。5.根据权利要求1所述的粒子滤波数据同化的区域作物产量估测方法，其特征在于，所述每个第一LAI的提议过渡概率密度函数的获取方式，包括：5将所述第一集合和第二集...

【专利技术属性】
技术研发人员：黄健熙，宋健健，黄海，卓文，吴妍潼，苏伟，刘峻明，李俐，李雪草，苗双喜，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：