System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及冬小麦产量遥感估算领域,更确切地说,它涉及基于改进光能利用效率模型的冬小麦产量大面积估算方法。
技术介绍
1、冬小麦是我国重要的粮食作物,准确估计冬小麦产量对于维护国家粮食安全具有重要的意义。地面产量调查或野外观测是获取具有参考价值的作物产量的主要手段。但是,这种方式存在成本高、时效性差等问题。而遥感技术由于其快速可重复观测的特点在大面积作物估产方面得到了广泛应用。最初的作物产量估算依赖于简单线性回归,将遥感观测信息(如波段反射率或植被指数)与地面观测产量建立经验线性模型,得到作物产量空间分布。由于产量与遥感变量间可能存在非线性关系,应用简单线性方法对产量估计的准确性不高。近年来,机器学习和深度学习方法在定量表示自变量和因变量之间的关系方面取得了很大进展,因此也被应用于作物产量估算的研究中。但是深度学习模型参数多,需要大量样本进行训练,而且产量的统计观测数据获取困难,因此在大范围的产量精准估计中存在困难。此外,作物生长模型也是作物估产的常用手段,它以精细的作物参数、土壤参数、气象参数和管理参数等为输入,模拟并输出日尺度的作物生长情况(如叶面积指数,地上生物量等),并最终可获得作物的产量。而作物生长模型由于模型输入参数的限制无法实现大面积产量模拟。基于此,半经验-半机理性的光能利用效率(light use efficiency,lue)模型脱颖而出。有研究表明利用半经验-半机理性的lue模型可以在较少输入参数的前提下实现大范围内作物总初级生产力(gross primary product,gpp)和产量的准确估计。l
2、目前,在利用lue模型估计作物产量研究中,水分限制因子大致可以分为气象因子、土壤含水量因子和植被含水量因子三类。气象因子典型代表是大气水汽压差(vaporpressure deficit,vpd),它是指在一定温度下,饱和水汽压与空气中的实际水汽压之间的差值。vpd越大,说明水分亏缺越严重,水分对作物生长的限制作用越大;土壤含水量表示的是作物根系可获取的水分含量,有研究表明,在干旱和半干旱地区,土壤水分的下降会导致gpp下降40%;植物水分胁迫影响气孔导度,进而影响叶片与大气之间的水分和co2交换。叶片含水量是植物水分胁迫的常用指标,直接从遥感数据中获取的地表水指数(landsurface water index,lswi)被广泛用作植物水分胁迫的代理指标,例如在植被光合作用模型(vegetation photosynthesis model,vpm)中,水分胁迫因子就是根据lswi计算得到。除此之外,植物蒸发分数(evaporative fraction,ef)指的是实际蒸散蒸发(actualevapotranspiration,et)与潜在蒸散发能量之间的比值。它衡量了用于植物和土壤表面水分蒸发的可用能量的比例。ef代表了植物的水分利用效率,并反映了感热通量(通过传导和对流传输的热量)和潜热通量(通过蒸发传输的热量)之间的平衡。ef通过调节感热和潜热通量来描述植物的水分状况,已被用于代表涡度协方差-光能利用效率模型(ec-lue)中的植物水分胁迫。
3、综上所述,现有基于光能利用效率模型进行作物gpp和产量估算的研究中,水分限制因子的表征只考虑了水分亏缺对作物gpp和产量的影响,没有考虑湿润地区(如长江中下游地区)水分偏多对作物产量的影响。而已有研究表明,水分偏多是长江中下游地区冬小麦产量的关键限制因子。因此,如何基于现有遥感数据,重构水分限制因子,使其可以精准表征水分偏多对冬小麦产量的影响,进而实现长江中下游地区冬小麦产量精准估算有待进一步探讨。
技术实现思路
1、本专利技术的目的是针对现有基于光能效率模型估计冬小麦产量中没有考虑到湿润地区水分偏多对冬小麦产量限制作用的不足,提出了基于改进光能利用效率模型的冬小麦产量大面积估算方法。
2、第一方面,提供了基于改进光能利用效率模型的冬小麦产量大面积估算方法,包括:
3、s1、获取研究区大范围遥感再分析产品数据、遥感卫星数据和统计产量数据,并对数据进行预处理;所述研究区大范围遥感再分析产品数据包括气温数据和土壤含水量数据;遥感卫星数据包括mod09a1反射率数据、光合有效辐射(photosynthetically activeradiation)、冬小麦分布图数据;统计产量数据为2001至2014年的县级统计数据和2015至2021年的市级统计数据。
4、s2、根据气温数据计算温度限制因子wt;
5、s3、根据地表水指数和土壤含水量数据重构水分限制因子ws;
6、s4、根据evi计算光合有效辐射吸收比fpar;
7、s5、计算总初级生产力gpp,并将总初级生产力gpp转换为产量;
8、s6、获取训练数据和验证数据,根据训练数据并进行训练,确定模型参数,并用测试数据进行精度验证。
9、作为优选,s1中,所述预处理包括影像拼接、云污染像素去除。
10、作为优选,s2中,温度限制因子wt的计算公式为:
11、
12、其中,t,tmin,tmax和topt分别表示研究区在某一时刻的温度、冬小麦生长的最低、最高和最适温度。
13、作为优选,s3中,水分限制因子ws的计算公式为:
14、ws=1-(ism-lswi-min(sm-lswi))
15、其中,sm、lswi分别为土壤含水量和地表水指数,min()表示取最小值。
16、作为优选,s4中,光合有效辐射吸收比fpar的计算公式为:
17、fpar=a*evi+b
18、其中,a和b分别为待确定系数,evi为增强型植被指数(enhanced vegetationindex),通过地表反射率数据计算得到。
19、作为优选,s4中,待确定系数a和b通过查找表的方式确定,并通过a和b的不同组合,对比估计产量与统计产量的均方根误差、相关系数,综合确定选择相关系数大、均方根误差小的组合,作为最优的a和b的取值。
20、作为优选,s6中,精度验证的指标包括相关系数、均方根误差和平均绝对误差。
21、第二方面,提供了基于改进光能利用效率模型的冬小麦产量大面积估算系统,用于执行第一方面任一所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,包括:
22、获取模块,用于获取研究区大范围遥感再分析产品数据、遥感卫星数据和统计产量数据,并对数据进行预处理;所述研究区大范围遥感再分析产品数据包括气温数据和土壤含水量数据;遥感卫星数据包括mod09a1反射率数据、evi数据、光合有效辐射(photosynthetically active radiation)、冬小本文档来自技高网...
【技术保护点】
1.基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,包括:
2.根据权利要求1所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,S1中,所述预处理包括影像拼接和云污染像素去除。
3.根据权利要求2所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,S2中,温度限制因子wt的计算公式为:
4.根据权利要求3所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,S3中,水分限制因子ws的计算公式为:
5.根据权利要求4所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,S4中,光合有效辐射吸收比fPAR的计算公式为:
6.根据权利要求5所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,S4中,待确定系数a和b通过查找表的方式确定,并通过a和b的不同组合,对比估计产量与统计产量的均方根误差、相关系数,综合确定选择相关系数大、均方根误差小的组合,作为最优的a和b的取值。
7.根据权利要求6所述的基于改进光能利用
8.基于改进光能利用效率模型的冬小麦产量大面积估算系统,其特征在于,用于执行权利要求1至7任一所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,包括:
9.一种计算机存储介质,其特征在于,所述计算机存储介质内存储有计算机程序;所述计算机程序在计算机上运行时,使得计算机执行权利要求1至7任一所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法。
...【技术特征摘要】
1.基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,包括:
2.根据权利要求1所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,s1中,所述预处理包括影像拼接和云污染像素去除。
3.根据权利要求2所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,s2中,温度限制因子wt的计算公式为:
4.根据权利要求3所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,s3中,水分限制因子ws的计算公式为:
5.根据权利要求4所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,其特征在于,s4中,光合有效辐射吸收比fpar的计算公式为:
6.根据权利要求5所述的基于改进光能利用效率模型的冬小麦产量大面积估算方法,...
【专利技术属性】
技术研发人员:刘围围,孙伟伟,冯添,陈镔捷,杨刚,
申请(专利权)人:宁波大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。