一种基于多源数据的作物估产方法技术

本发明专利技术公开了一种基于多源数据的作物估产方法，涉及精准农业和农业信息化技术领域，包括以下步骤，步骤一，获取目标区域样本数据，并对所述样本数据进行处理，得到目标区域估产初始指标值，步骤二，获取分解作物模型的多源信息，由作物模型参数控制的关键生长功能模块包括：生育期模块、LAI模块和产量模块，多源信息包括基础输入信息、遥感校正信息和产量校正信息。本发明专利技术使用遥感数据和气象数据，结合留一法建模策略和随机森林变量重要性评价方法，分区分层次选择高精度高稳定性的输入变量，基于随机森林回归算法构建了目标区域多种作物的单产估算模型，以能够准确预测不同农业气候状况下的作物单产。状况下的作物单产。状况下的作物单产。

【技术实现步骤摘要】
一种基于多源数据的作物估产方法


[0001]本专利技术涉及精准农业和农业信息化
，具体涉及一种基于多源数据的作物估产方法。

技术介绍

[0002]作物作为重要的经济作物和国际贸易农产品之一，已成为我国南方广大地区的农业经济支柱产业，随着农业信息技术的研究和应用，传统农业正逐渐向信息农业及科技农业转变，遥感技术由于其大面积同步观测的特点，在科技农业转变的过程中发挥着越来越重要的作用，区别于以往的作物估产方法，遥感技术为对作物综合、宏观、快速和动态观测提供了新的科学技术手段，当前，将实时的遥感信息与农作物生长机理模型相结合，实现区域作物生长的动态监测，尤其是产量估计，推动遥感信息在我国精准农业估产中的应用具有重要应用价值，而我国作为作物生产的主要国家，预测产量是作物生产精细管理的重要内容，目前国内多数学者运用单时相、多时相光谱估产模型以及与农作物生长相结合的复合估产模型对水稻、小麦、苹果等进行了遥感估产，唐延林等人利用水稻成熟期冠层高光谱数据对水稻进行产量估算；雷彤等人对栖霞市苹果果期的冠层反射光谱进行实测，通过敏感波段与果树比指标建立回归模型，实现了对苹果冠层果量的无损估测；李明霞、欧文浩等人通过比较农作物之间的光谱特征差异以及产量形成的关键时期，利用高光谱遥感技术建立模型，选择估产的最佳时相；樊科研等人提取番茄的主要农学参数，建立基于农学参数的复合光谱估产模型，对番茄4个生育时期进行产量估算；黄敬峰等人利用冬小麦的地面光谱资料和农学参数资料，建立冬小麦发育期的遥感估产模型。
[0003]针对现有技术存在以下问题：基于多源数据的作物估产方法在使用时，现有的基于多源数据的作物估产方法不能够根据不同天气情况对作为进行预测；基于多源数据的作物估产方法在使用时，现有的基于多源数据的作物估产方法不够稳定，并且不利于推广；基于多源数据的作物估产方法在使用时，现有的基于多源数据的作物估产方法不能够很好地对产量进行预估。

技术实现思路

[0004]本专利技术提供一种基于多源数据的作物估产方法，以解决上述
技术介绍
中提出的问题。
[0005]为解决上述技术问题，本专利技术所采用的技术方案是：一种基于多源数据的作物估产方法，包括以下步骤，步骤一，获取目标区域样本数据，并对所述样本数据进行处理，得到目标区域估产初始指标值。
[0006]步骤二，获取分解作物模型的多源信息，由作物模型参数控制的关键生长功能模块包括：生育期模块、LAI模块和产量模块，多源信息包括基础输入信息、遥感校正信息和产量校正信息。
[0007]步骤三，分步校正作物模型；校正顺序为校正生育期模块、LAI模块和产量模块，优化算法是改进模型参数的一类重要方法，其基本思想是采用进化公式通过多次迭代模拟值与观测值之间的差异，重新初始化作物模型参数达到对模型优化的目的。
[0008]步骤四，获取历史数据，历史数据包括不同年份不同时期的增强型植被指数、不同年份粮食作物的统计产量和不同年份粮食作物的趋势产量。
[0009]本专利技术技术方案的进一步改进在于：所述步骤一，根据所述农业气象指标值，对所述目标区域进行分区操作，得到多个估产子区域；在每个所述估产子区域中，采用随机森林重要性评价算法，对每种作物的估产初始指标值进行重要性排序并进行初次筛选操作，得到初次筛选操作后的估产指标值。
[0010]本专利技术技术方案的进一步改进在于：所述步骤一，计算在每个估产子区域内每种作物对应的所述初始单产估算模型集中每个单产估算模型的精度，并将初始单产估算模型集中模型精度最高的单产估算模型确定为标记估产子区域内标记作物的最终单产估算模型。
[0011]本专利技术技术方案的进一步改进在于：所述步骤二，生育期模块决定了作物的营养生长期日期和生殖生长期日期，在不同的生长发育阶段，叶片的LAI生长函数不同，而作物的生物量累计过程集中在生殖生长期阶段并受叶片的呼吸作用、光合作用和蒸腾过程的影响。
[0012]本专利技术技术方案的进一步改进在于：所述步骤二，基础输入信息包括驱动作物模型运行的日值气象数据、土壤属性信息和待校准的初始参数，遥感校正信息需要同时满足反映作物生长发育变化和监测大范围作物生长状况的需求，产量校正信息，地面产量观测数据用于校正作物模型的模拟产量。
[0013]本专利技术技术方案的进一步改进在于：所述步骤四，根据不同年份不同时期的增强型植被指数计算增强型植被指数的距平，以第i时期增强型植被指数的距平为自变量，以估产差值为因变量，构建线性回归方程。
[0014]本专利技术技术方案的进一步改进在于：所述步骤四，计算第i时期的估产模型的误差，得到第i时期的估产值。
[0015]由于采用了上述技术方案，本专利技术相对现有技术来说，取得的技术进步是：1、本专利技术提供一种基于多源数据的作物估产方法，使用遥感数据和气象数据，结合留一法建模策略和随机森林变量重要性评价方法，分区分层次选择高精度高稳定性的输入变量，基于随机森林回归算法构建了目标区域多种作物的单产估算模型，以能够准确预测不同农业气候状况下的作物单产，可以为精细化筛选变量进行估产建模提供方法参考。
[0016]2、本专利技术提供一种基于多源数据的作物估产方法，本专利技术按照作物生长发育的逻辑顺序分步校正作物模型，实现对作物生长发育过程的高质量模拟，从而保证了最终产量估测稳定可靠，另外，本专利技术方法可重复性高，有利于实现业务化推广应用该专利技术创造。
[0017]3、本专利技术提供一种基于多源数据的作物估产方法，本专利技术提供的粮食作物实时估产方法及系统以趋势产量为基数，定期计算由短期环境要素改变而引起的产量波动值，预估作物的产量，而且，本专利技术采用增强型植被指数作为环境影响因子，能够综合反应气象因子、土壤因子和田间管理因子的变化，进而，使得本专利技术提供的粮食作物实时估产方法及系统能够实现准确有效、实时性强的粮食作物估产。
附图说明
[0018]图1为本专利技术的工艺流程结构示意图。
具体实施方式
[0019]下面结合实施例对本专利技术做进一步详细说明：实施例1如图1所示，本专利技术提供了一种基于多源数据的作物估产方法，包括以下步骤，步骤一，获取目标区域样本数据，并对所述样本数据进行处理，得到目标区域估产初始指标值，步骤二，获取分解作物模型的多源信息，由作物模型参数控制的关键生长功能模块包括：生育期模块、LAI模块和产量模块，多源信息包括基础输入信息、遥感校正信息和产量校正信息，步骤三，分步校正作物模型；校正顺序为校正生育期模块、LAI模块和产量模块，优化算法是改进模型参数的一类重要方法，其基本思想是采用进化公式通过多次迭代模拟值与观测值之间的差异，重新初始化作物模型参数达到对模型优化的目的，步骤四，获取历史数据，历史数据包括不同年份不同时期的增强型植被指数、不同年份粮食作物的统计产量和不同年份粮食作物的趋势产量。
[0020]在本实施例中，使用遥感数据和气象数据，结合留一法建模策略和随机森林变量重要性评价方法，分区分层次选择高精度高稳定性的输入变量，基于随机森林回归算法构建了目标区域多种作物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据的作物估产方法，其特征在于：包括以下步骤，步骤一，获取目标区域样本数据，并对所述样本数据进行处理，得到目标区域估产初始指标值；步骤二，获取分解作物模型的多源信息，由作物模型参数控制的关键生长功能模块包括：生育期模块、LAI模块和产量模块，多源信息包括基础输入信息、遥感校正信息和产量校正信息；步骤三，分步校正作物模型；校正顺序为校正生育期模块、LAI模块和产量模块，优化算法是改进模型参数的一类重要方法，其基本思想是采用进化公式通过多次迭代模拟值与观测值之间的差异，重新初始化作物模型参数达到对模型优化的目的；步骤四，获取历史数据，历史数据包括不同年份不同时期的增强型植被指数、不同年份粮食作物的统计产量和不同年份粮食作物的趋势产量。2.根据权利要求1所述的一种基于多源数据的作物估产方法，其特征在于：所述步骤一，根据所述农业气象指标值，对所述目标区域进行分区操作，得到多个估产子区域；在每个所述估产子区域中，采用随机森林重要性评价算法，对每种作物的估产初始指标值进行重要性排序并进行初次筛选操作，得到初次筛选操作后的估产指标值。3.根据权利要求2所述的一种基于多源数据的作物估产方法，其特征在于：所述步骤一，计算在每个估产子区域内每种作物对应的所述初...

【专利技术属性】
技术研发人员：孙思雨，李明洋，王鑫宇，
申请(专利权)人：阳光农业相互保险公司，
类型：发明
国别省市：