[發明專利]基于形態與混合梯度的動態時間彎曲度量水稻物候期多元氣象數據相似性方法

在審

• 申請號: 201810498045.4
• 申請日: 2018-05-18
• 公開（公告）號: CN110503287A
• 公開（公告）日: 2019-11-26
• 發明（設計）人: 姜海燕;楊樂
• 申請（專利權）人: 南京農業大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種多變量水稻氣象序列在關鍵物候期進行相似性分析的方法，屬于農業氣象數據挖掘領域。針對氣象序列中的溫度極大極小異常值、突變降雨量等造成的序列波峰波谷錯誤匹配問題以及物候期長短不一致導致的線性漂移問題，引入了動態時間彎曲算法，增加形態與混合梯度的設計，從而提升了度量的準確性和簡便性，同時強調了氣象數據變化趨勢以及異常值對作物影響。具體步驟為：根據水稻物候期數據切分氣象序列；氣象序列一階導數二階導數計算；基于形態常量因子與動態形態懲罰函數的原始序列以及各級梯度序列的距離打分；加權混合原始序列與各級梯度的距離；加權各氣象變量序列距離組成多元氣象序列之間距離；根據距離度量打分進行排序。

一、技術領域

本發明屬于農業氣象數據分析領域，是農業氣象領域知識與多元時間序列相似性匹配分 析算法相互結合的交叉領域。涉及一種可用于非線性、連續、多變量的農業氣象時序數據在 關鍵物候期內進行相似性分析，可用于水稻在全生育期內不同物候期下的氣象數據相似性分 析。

二、背景技術

氣象指標，如最高溫度、最低溫度、降雨量、日照時數、輻射照度等對農業作物的生長 影響大，而包含這幾個指標的歷史氣象數據資料通常能反應某地區一段時間內的氣候和農作 物的氣象環境條件，根據歷史年份的氣象數據資料進行相似性度量分析，不僅可以實現對氣 象觀測缺失數據的補充，同時也能為氣候區域的自動劃分提供依據。因此，面向農業氣象數 據的相似性分析也成為了目前農業氣象數據分析所常用的手段。

農業氣象數據相似性分析主要是通過比較不同地區或者不同時間段內最高溫度、最低溫 度、降雨量、日照時數等氣象數據樣本的分布特征以及變化趨勢的差異來達到相近程度排序 的目的。早期氣象數據相似分析方法通常為：利用平均溫度、標準差以及距平等氣象學統計 指標描述氣象數據變化特征，比較統計指標的近似程度實現相似性度量，這類方法雖然能有 效地通過氣象學上統計指標解釋氣象條件的特征，但是往往考慮了一段時間內的氣象數據分 布特征而忽略了數據本身的變化趨勢，弱化了氣象要素的極端值所給水稻帶來的影響。同時 氣象數據時序特征明顯，目前有學者通過時間序列的相似性距離度量指標來計算年際間或者 不同地區的氣象條件的相似程度或者相離程度。

農業氣象時序數據的相似性分析的核心是距離度量方法的選擇，常對最高溫度、最低溫 度、光照、降雨量等變量進行歐式距離計算，然后在各個變量維度上進行距離的平均求和。 地區氣候相似性劃分主要是利用歐式距離對目標地區與周邊地區歷史年份氣象數據進行相似 性度量，統計相似頻次，利用相似程度進行地域劃分。該方法雖然有效簡單，但是沒有考慮 到不同季節的氣象變化特征。利用歐式距離結合KNN分析年際間的最高溫度、最低溫度、 降雨量、以及日照時數等變量氣象數據相似程度，利用歷史相似年份氣象數據代替目標生育 期內未知氣象數據。但是針對農業氣象數據的相似性度量的問題，該方法往往忽略了氣象數 據異常值帶來的序列數據波動異常問題，例如極端高溫、極端低溫和降雨量的累積突變等， 使得相似性匹配過程中出現“波峰-波谷”不吻合的情況。

由于農業氣象數據存在極端高溫、極端低溫、降雨量突變等情況造成的序列形態波動曲 線異常，例如波峰波谷錯位，所以通常的歐式距離不能解決具有類似現象的數據距離度量。 為此引入了動態時間彎曲的度量算法，動態時間彎曲算法是一種通過不均勻扭曲或彎折解決 原本相似的樣本序列數據由于時間尺度上產生的線性漂移而不能做相似匹配問題的方法，但 是動態時間彎曲通常只能解決單一氣象指標的度量，正如前文分析到，在現實世界中，氣象 數據都屬于多指標數據，在不同變量維度上存在局部明顯突變值。那么，研究多維的動態時 間彎曲相似性度量方法成為解決農業氣象綜合條件相似性分析研究中一項很有必要的工作。 其相似性度量函數設計的關鍵便在于能同時考慮多元氣象時間序列在各變量維度潛在豐富的 變化信息挖掘和各維度存在復雜波動的形態的正確匹配。

本文基于氣象數據在水稻的各物候期不同變量緯度上存在不同變化特征的應用場景提出 了結合水稻物候期分段與基于形態與混合梯度動態時間彎曲的多元時間序列的相似性度量方 法。使得在物候期內多元氣象數據相似性分析更貼近實際場景。

三、發明內容