[發明專利]基于作物模型、歷史和氣象預報數據的作物產量預報方法

在審

• 申請號: 201910048135.8
• 申請日: 2019-01-18
• 公開（公告）號: CN109754125A
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 黃健熙;高欣然;蘇偉;劉峻明;楊建宇;張曉東;朱德海
• 申請（專利權）人: 中國農業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王文君;陳征

1.一種基于作物模型、歷史和氣象預報數據的作物產量預報方法，其特征在于，其為：

S1、在研究區以縣界為基準分區標定敏感參數，實現WOFOST模型和PROSAIL模型的本地化；

S2、篩選生育期內MODIS反射率產品中的高質量反射率數據，用于輸入耦合模型進行數據同化；

S3、耦合PROSAIL和WOFOST模型，并基于全局敏感性分析確定耦合模型的待優化參數，構建代價函數搭建數據同化框架，以實現區域參數優化；

S4、將ECMWF中提供的50組氣象預報數據作為WOFOST模型未來15d氣象輸入；

S5、利用S4中各組數據的日最高溫構成的向量，使用廣義向量夾角法計算得到該像元歷史年份同時段氣象數據中相似度最高的年份，將該年份的氣象數據作為WOFOST模型未來時段的氣象輸入；

S6、用S5中得到的50組不同的氣象輸入數據，驅動耦合模型后得到50個不同的預報產量，實現概率預報；

S7、逐格網運行，得到區域作物產量概率預報統計圖。

2.如權利要求1所述的基于作物模型、歷史和氣象預報數據的作物產量預報方法，其特征在于，步驟S1所述分區標定敏感參數，方法如下：

將每個縣設為一個分區，根據多年歷史氣象數據，再將產量水平與氣候條件均較為相似的縣合并為一個分區；在每個分區的基礎上，選擇敏感的或在空間上具有變異性的參數，分別對WOFOST模型和PROSAIL模型進行校準。

3.如權利要求1所述的基于作物模型、歷史和氣象預報數據的作物產量預報方法，其特征在于，步驟S2所述篩選生育期內MODIS反射率產品中的高質量反射率數據，具體如下：篩選生育期范圍內的MODIS反射率產品MOD09GA，并剔除其中STATE_1km波段超過閾值的像元，其余像元作為MODIS反射率觀測數據。

4.如權利要求1所述的基于作物模型、歷史和氣象預報數據的作物產量預報方法，其特征在于，步驟S3所述耦合PROSAIL和WOFOST模型的方法如下：

使用LAI、比葉面積作為耦合變量，WOFOST模擬的LAI和比葉面積作為PROSAIL的輸入參數，驅動PROSAIL模型來模擬紅光、近紅外和短波紅外波長處的光譜反射率。

5.如權利要求1所述的基于作物模型、歷史和氣象預報數據的作物產量預報方法，其特征在于，步驟S3所述分析確定耦合模型的待優化參數，構建代價函數搭建數據同化框架，具體方法如下：

采用4DVar數據同化程序將遙感反射率和步驟S3耦合得到的WOFOST-PROSAIL模型的模擬反射結合起來，通過最小化4DVar代價函數來重新初始化四個參數，包括TSUM1，TDWI和SPAN，LIDFa；代價函數J(x)的構造如公式(1)所示：

其中，X表示重新初始化參數的向量TSUM1、TDWI、SPAN，LIDFa，x表示重新初始化參數的TSUM1、TDWI、SPAN，LIDFa的矢量集合；X^b表示關于這四個參數的先驗知識；B是四個參數的誤差協方差矩陣；T代表觀察時間的集合，t為觀測日期，T為t的最大取值；Y_t代表在觀測日期t對特定紅光、近紅外和短波紅外的遙感反射向量；H_t表示觀測算子，即耦合的WOFOST-PROSAIL模型；c是平衡觀測在同化過程中的影響的一個常數值；Q代表不同波長的觀測誤差協方差矩陣；基于多樣本實測地面光譜數據確定：紅光、近紅外和短波紅外波長的觀測協方差分別為0.05、0.03和0.04。