基于网格化区域气象条件预测烟叶产量的方法技术

本发明专利技术公开了一种基于网格化区域气象条件预测烟叶产量的方法，包括：获取待预测烟叶产量的烟地区域，所述烟地区域为根据网格1

【技术实现步骤摘要】
基于网格化区域气象条件预测烟叶产量的方法


[0001]本专利技术涉及一种基于网格化区域气象条件预测烟叶产量的方法，属于烟叶产量预测


技术介绍

[0002]烟草是以收获叶片器官为目的的特殊经济作物，在我国国民经济中占有重要的地位，作为我国烟草行业的基础，培育具有较高产量且优质的烟草品种就成为育种研究的重要目标。目前，对于烟草产量的预测，大多依靠以往的种植经验或是运用统计学上的抽样调查方法计算和估计烟草产量，工作繁琐且偏差较大。
[0003]基于此，现有专利文献(公布号：CN110414711A)公开了一种基于生长季节降雨量的烟草产量预测方法，首先采集并统计多个植烟区历年烟草生长季节各月降雨量、烟草产量及当年烟草生长季节各月降雨量；然后分析植烟区历年烟草生长季节各月平均降雨量和近5年平均烟草产量，建立烟草产量预测模型A或模型B；最后将植烟区当年烟草生长季节各月的降雨量代入上述烟草产量预测模型得到当年烟草预测产量。该方案以降雨量来预测种植区的烟草产量。然而，实际生产中某一区域内烟株生长面临的气候环境是复杂多变的，难以根据区域整体气候准确预测烟草产量。同时，仅以降雨量作为自变量来预测烟草产量，也存在预测准确度较差的问题。

技术实现思路

[0004]基于上述，本专利技术提供一种基于网格化区域气象条件预测烟叶产量的方法，将气象数据精准匹配到1
×
1的网格区域中，作为烤烟产量预测模型的输入，能够精准地实现烟叶产量的预测，以克服现有技术的不足。
[0005]本专利技术的技术方案是：基于网格化区域气象条件预测烟叶产量的方法，包括：
[0006]获取待预测烟叶产量的烟地区域，所述烟地区域为根据网格1
×
1划分的种植烟草的某网格区域，所述烟地区域信息包括位置信息；
[0007]根据所述烟地区域的位置信息调用对应的烤烟产量预测模型；
[0008]获取所述烟地区域对应的气象数据，并将所述气象数据输入到所述烤烟产量预测模型中，计算所述烟地区域对应的烟叶产量。
[0009]优选地，所述烟地区域对应的气象数据的获取方法为：
[0010]获取原始气象要素数据，形成5km分辨率的气象要素产品；
[0011]将5km分辨率的气象要素产品，运用反距离权重法插值到1km分辨率的区域网格上，再利用回归模型对插值后的预报值进行订正，得到分辨率为1km的气象要素；
[0012]将分辨率为1km的网格数据，运用双线性插值的方法插值到烟地的几何中心位置，将气象要素精确匹配到烟地。
[0013]优选地，所述反距离权重法包括：
[0014]设有n个点，平面坐标为(x
i
,y
i
)，垂直高度为z
i
，i＝1,2,
…
,n，倒数距离加权插值
的插值函数为：
[0015][0016]其中，
[0017][0018][0019]式中，f(x,y)为插值，w(d
j
)为计算格点/站点所取权重，Z为估计点的要素值，Zi为第i个站点上要素值，di为插值点到第i点的距离，n为插值格点总数，p为加权幂指数。
[0020]优选地，所述订正的公式为：
[0021]Y
i
＝aX
i
+b
[0022]式中，X
i
是模式预报插值后的时间序列，Y
i
是对应站点的观测值时间序列，在训练期内确定回归系数a、b。
[0023]优选地，所述双线性插值的方法为：
[0024][0025]R1＝(x,y1)
[0026][0027]R2＝(x,y2)
[0028][0029]式中，x是待插值p点的经度，y是p点纬度，x1，x2是P点四周网格点的经度，y1，y2是P点四周网格点的纬度，f(Q
11
)，f(Q
21
)，f(Q
12
)，f(Q
22
)是周围四个网格点的气象要素值，R1和R2是和P点相同经度上，网格线上两个点的气象要素值，f(R1)和f(R2)为计算中间变量，用于计算f(P)。
[0030]优选地，所述烤烟产量预测模型包括第一BP神经网络预测模型和第二BP神经网络预测模型，当所述烟地区域处于第一预定区域时，调用所述第一BP神经网络预测模型作为烤烟产量预测模型，当所述烟地区域处于第二预定区域时，调用所述第二BP神经网络预测
模型作为烤烟产量预测模型。
[0031]优选地，所述第一BP神经网络预测模型的构建方法如下：
[0032]采集烟地区域历史烟叶产量作为第一因变量；
[0033]采集烟地区域第一历史气象数据作为第一自变量，所述第一历史气象数据包括3～9月逐旬的平均气温、平均最高气温、平均最低气温、日照时数和降水量；
[0034]将所述第一自变量作为网络输入值，所述第一因变量作为网络预测值训练BP神经网络得到第一BP神经网络预测模型。
[0035]优选地，所述第二BP神经网络预测模型的构建方法如下：
[0036]采集烟地区域历史烟叶产量作为第二因变量；
[0037]采集烟地区域第二历史气象数据作为第二自变量，所述第二历史气象数据包括烟草成熟期气温、旺长期降雨量、大田期日照时数和大田生长期可用时间；
[0038]将所述第二自变量作为网络输入值，所述第二因变量作为网络预测值训练BP神经网络得到第二BP神经网络预测模型。
[0039]本专利技术的有益效果：
[0040]1、本专利技术将现有5km分辨率的气象要素产品降尺度精准匹配到1
×
1公里的网格区域地块中，据此可得到精准的气象要素作为模型输入，最终可提高烟叶产量预测结果的准确性。
[0041]2、本专利技术通过通过反距离权重法将5km分辨率的气象要素产品插值到1km分辨率的区域网格上，再利用回归模型对插值后的预报值进行订正，能够实现气象要素产品的精准插值。并且，本专利技术中反距离权重法根据网格区域地块进行简化处理，能够减轻工作效率。
[0042]3、本专利技术根据烟地区域位置信息，选择不同的烤烟产量预测模型，输入不同的模型变量，其中一模型输入的变量为3～9月逐旬的平均气温、平均最高气温、平均最低气温、日照时数和降水量；另一模型输入的变量为烟草成熟期气温、旺长期降雨量、大田期日照时数和大田生长期可用时间，能够实现各烟草区域较为精准的产量预测。
附图说明
[0043]图1本专利技术的方法示意图；
[0044]图2BP神经网络拓扑结构；
[0045]图3随机森林算法示意；
[0046]图4贵州省产量(左)、和气象要素(右)逐年变化情况；
[0047]图5各叶位产量的逐旬最大正(负)相关气象要素分布图(上：西部，下：中东部，0表示未通过显著性检验)；
[0048]图6回归模型各叶位产量预报准确率；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于网格化区域气象条件预测烟叶产量的方法，其特征在于，包括：获取待预测烟叶产量的烟地区域，所述烟地区域为根据网格1
×
1划分的种植烟草的某网格区域，所述烟地区域信息包括位置信息；根据所述烟地区域的位置信息调用对应的烤烟产量预测模型；获取所述烟地区域对应的气象数据，并将所述气象数据输入到所述烤烟产量预测模型中，计算所述烟地区域对应的烟叶产量。2.根据权利要求1所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述烟地区域对应的气象数据的获取方法为：获取原始气象要素数据，形成5km分辨率的气象要素产品；将5km分辨率的气象要素产品，运用反距离权重法插值到1km分辨率的区域网格上，再利用回归模型对插值后的预报值进行订正，得到分辨率为1km的气象要素；将分辨率为1km的网格数据，运用双线性插值的方法插值到烟地的几何中心位置，将气象要素精确匹配到烟地。3.根据权利要求2所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述反距离权重法包括：设有n个点，平面坐标为(x
i
,y
i
)，垂直高度为z
i
，i＝1,2,
…
,n，倒数距离加权插值的插值函数为：其中，其中，式中，f(x,y)为插值，w(d
j
)为计算格点/站点所取权重，Z为估计点的要素值，Zi为第i个站点上要素值，di为插值点到第i点的距离，n为插值格点总数，p为加权幂指数。4.根据权利要求2所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述订正的公式为：Y
i
＝aX
i
+b式中，X
i
是模式预报插值后的时间序列，Y
i
是对应站点的观测值时间序列，在训练期内确定回归系数a、b。
5.根据权利要求2所述的基...

【专利技术属性】
技术研发人员：李想，彭宇，夏晓玲，王克敏，曾莉萍，徐健，刘涛，穆东升，陈丽萍，伍洲，程李，郑华，韦斌，李刚，许灵杰，
申请(专利权)人：中国烟草总公司贵州省公司，
类型：发明
国别省市：