[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

本發明屬于農業遙感領域，具體涉及一種基于作物模型、歷史和氣象預報數據的作物產量預報方法，其為：以縣界為基準分區標定敏感參數；篩選生育期內MODIS反射率產品中的高質量反射率數據；耦合PROSAIL和WOFOST模型，并構建代價函數搭建數據同化框架以實現區域參數優化；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；用日最高溫構成的向量，使用廣義向量夾角法計算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；用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；逐格網運行，得到區域作物產量概率預報統計圖。本發明的方法能準確預報分區高產或地產的概率。

技術領域

本發明屬于農業遙感領域，具體涉及一種基于作物模型、歷史和氣象預報數據的作物產量預報方法。

背景技術

隨著作物生長模型應用與研究的不斷深入，目前作物模型已從最早的單點尺度模擬擴展到了區域尺度的模擬，而且在氣候變化情景模擬和遙感數據同化方面應用尤為廣泛。而農業氣象領域對于作物估產，尤其是大區域作物產量的準確預報一直都有應用需求，因此實現基于作物模型同化的產量預報是一個亟待解決的問題。

在作物模型應用方面，由于作物模型對輸入氣象要素的時間分辨率要求較高，而且需要輸入全生育期的完整氣象要素才能模擬得到較好的產量結果。基于作物模型的產量預報方法主要還是受制于預報期內的氣象資料的獲取。在現有的研究中，部分研究直接利用區域氣候模型生成的數據作為月度或季度的氣象預報數據，由于生成的氣象數據存在一定的誤差，還需要對氣候模型的輸出進行糾偏和訂正，同時低分辨率的氣候模型模擬的逐日天氣數據也會帶來時間和空間尺度不匹配的問題。

也有部分研究將氣象資料多年平均值作為預報期的驅動數據。由于我國大部地區為典型的季風氣候，年際變率大，且季節分布不均，因此，這種方法并不能很好地體現氣象要素的波動性，而且災害性的異常天氣會被平滑，這對模擬潛在的產量損失十分不利；而如果將歷史同期所有年份的氣象要素都作為集合成員進行驅動模擬，則可以重現本地歷史天氣情景下的產量，通過集合預報的技術手段得出產量預報的不確定性，將以往單一數值的預報提升為概率預報并提升其預報能力。

發明內容

本發明提供一種基于作物模型、歷史和氣象預報數據的作物產量預報方法。

本發明提供一種基于作物模型、歷史和氣象預報數據的作物產量預報方法，具體步驟如下：

S1、在研究區以縣界為基準分區標定敏感參數，實現WOFOST(World FoodStudies：世界糧食研究)模型和PROSAIL(是耦合PROSPECT葉片模型和SAILH冠層結構模型得到的一種輻射傳輸模型)模型的本地化；

S2、篩選生育期內MODIS(EOS系列衛星上的中分辨率成像光譜儀)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(歐洲中期天氣預報中心)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。

步驟S1所述分區標定敏感參數，方法如下：