[發明專利]一種耦合作物模型與機器學習語言的農業干旱快速診斷和評估方法

有效

• 申請號: 201911141251.0
• 申請日: 2019-11-20
• 公開（公告）號: CN110909933B
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 張朝;李子悅;陶福祿
• 申請（專利權）人: 北京師范大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/00;G01N33/24
• 代理公司: 北京華旭智信知識產權代理事務所(普通合伙) 11583
• 代理人: 吳鵬章

1.一種耦合作物模型與機器學習語言的農業干旱診斷和評估方法，包括如下步驟：

S1、獲取研究區內相關數據，所述數據包括研究區的氣象數據、土壤屬性數據、作物產量數據、物候數據以及研究區域全生育期內的遙感LAI時序數據；

S2、利用步驟S1獲取的物候數據、土壤屬性數據及LAI數據進行分階段同化，來完成研究區內作物模型的本地化；

S3、針對作物不同生育階段，設置不同干旱降水情景數據，并將其輸入到本地化后的作物模型中，得出研究區內各格點的各個干旱情景下的模擬數據，所述模擬數據包括模擬產量、模擬產量損失率、一定深度土壤層的模擬土壤濕度和模擬LAI，其中，干旱降水情景包括在各生育階段內0％，10％，30％，50％，70％，90％，100％連續降雨時長為零的情景；

S4、基于S3中干旱情景數據與對應作物模型模擬數據，計算各生育階段和全生育期的標準降水指數(SPI)，一定深度土壤層的標準化土壤濕度指數(SSMI)和相對葉面積指數(RLAI)，作為特征變量；

S5、基于S4中特征變量將對應作物模型模擬的產量損失率數據作為預測變量，構建樣本數據集，并將其輸入到隨機森林模型中構建作物干旱脆弱性模型，其回歸決策樹表示為式(1)：

式中h(x)為隨機森林的最終預測結果，h(x，θ_i)為隨機森林中的某棵回歸決策樹的預測結果，x為該決策樹使用的相應特征變量的集合，θ_i為獨立同分布的隨機向量，K為決策樹個數，N為訓練樣本子集個數；

S6、利用所述作物干旱脆弱性模型，根據研究時段內特征變量來診斷和評估在所述研究時段內的作物干旱情況。

2.根據權利要求1所述的方法，其特征在于，所述作物選自小麥、玉米、大豆、水稻。

3.根據權利要求1所述的方法，其特征在于，所述作物模型為MCWLA系列模型。

4.根據權利要求1所述的方法，其特征在于，步驟S3中模擬土壤濕度為20cm以及50cm土壤層濕度。

5.根據權利要求4所述的方法，其特征在于，遙感LAI數據選自Copernicus LAI，GLASSLAI以及GLOBMAP LAI。

6.根據權利要求2所述的方法，其特征在于，所述作物為小麥，步驟S3中生育階段包括出苗-返青、返青-抽穗以及抽穗-成熟。

7.根據權利要求1所述的方法，其特征在于，所述標準化土壤濕度指數(SSMI)為20cm的標準化土壤濕度指數(SSMI_20cm)和50m的標準化土壤濕度指數(SSMI_50cm)。

8.根據權利要求1所述的方法，其特征在于，步驟S6中作物干旱情況包括模擬干旱產量損失率以及干旱空間分布。

9.根據權利要求1所述的方法，其特征在于，所述模擬產量損失率以下式(2)所示

其中Ys_i指第i個干旱情景的模擬產量(kg/ha)，Y_ck是指理想無災害年的模擬產量(kg/ha)，YLRs_i指第i個干旱情景的模擬產量損失率(％)。