[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

本發明公開了一種耦合作物模型與機器語言的農業干旱診斷和評估方法，包括：S1、獲取研究區內相關數據；S2、利用步驟S1獲取的數據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；S4、基于S3中干旱情景數據與對應作物模型模擬數據，計算特征變量；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；S6、利用所述作物干旱脆弱性模型來診斷和評估在研究時段內的作物干旱情況。

技術領域

本發明涉及農業信息技術領域，具體而言涉及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。

背景技術

干旱作為一種復雜多發的極端氣象災害，每年在全球造成的直接經濟損失可達所有自然災害損失的43％以上，在我國造成的損失約占全球干旱總損失的42％。其中，農業因其與天氣密切相關的特性，更是成為了受干旱影響最大的領域之一。農業干旱是指農作物生長過程中土壤水分不足，因水分供需不平衡而阻礙作物正常生長的現象。目前，針對農業干旱及其對農作物長勢和產量影響的研究主要有以下三種：

(1)基于盆栽或大田試驗探索作物在干旱脅迫下的生理響應和生理機制研究。這類研究具有較強的機理性，可以為厘清水分脅迫下作物的響應機理提供重要的參考，也為其他干旱脅迫的響應研究提供先驗知識。但它的耗時較長，人力物力投入較大，通常局限于小尺度。

(2)基于干旱指標構建與作物長勢或產量信息相關的統計關系研究。目前，用于表征干旱情況的指數已經發展了數百種，包括基于氣象數據的干旱指數：標準降水指數(SPI)、帕爾默干旱指數(PDSI)和標準化降水蒸散指數(SPEI)，基于遙感數據的干旱指數：條件植被指數(VCI)、歸一化植被指數(NDVI)、植被供水指數(VSWI)、溫度植被干旱指數(TVDI)、冠層溫度和冠層含水量，以及基于土壤濕度的農業干旱監測指數：土壤濕度虧缺指數(SMDI)、土壤濕度距平(SMA)、標準化土壤濕度指數(SSMI)、土壤濕度百分位(SMP)等。但是，大部分干旱指數多針對氣象干旱，缺乏農學意義；少部分針對于農業干旱的指數受限于根區土壤水分數據，也難以實現大范圍高精度的研究。此外，干旱指數的選取對結果影響較大，增加干旱指數的農學意義并提高指數的農業干旱監測能力是目前研究的熱點。

(3)基于作物模型探索干旱脅迫對作物生長的影響研究。隨著人們對作物生理生態過程機理認識的不斷深入，特別是利用數學方法對植物生理過程(如冠層光能截獲及光合作用)進行很好的描述。作物模型作為機理性強的工具，在農田科學管理、精準農業、氣候變化影響評價、以及農業決策管理等方面已有大量研究開展。雖然作物模型具有較強的機理性，但是現有基于作物模型的干旱研究大多對真實情景做了較大程度的簡化，難以反映真實的干旱情況，且模型在模擬過程中存在大量的不確定，模型模擬精度有待提高。例如微波遙感因其不受云層干擾，擁有全天時和全天候觀測能力，可以獲取大范圍的土壤濕度，但是目前也僅可以反演表層2-5cm的土壤濕度并且可獲得的公開數據在中國地區數據較粗糙，質量并不高。以看出，現有土壤濕度數據大多時空精度偏低且多停留于淺層土壤，而糧食作物根系通常都在20cm左右(甚至更深)，大多數研究難以反映作物真實的水分脅迫狀況。

因此，如何利用現有的多源數據高精反演出大范圍的、長時間序列的土壤濕度數據，更加合理地模擬干旱情景，從而進行區域農業干旱的高精度預測預警，實現干旱情境下區域的業務化估產仍是當前亟需解決的問題。也即，需要新技術來至少部分解決現有技術中上述局限性。

發明內容

為了至少部分解決現有技術中存在的不足，本發明首次將多源數據同化作物模型系統與機器學習算法結合起來應用到區域農業干旱研究中，在大區域上反演了較高精度的深層土壤濕度數據(例如20cm和50cm)，并實現對復雜機理模型的優化和代理，可以在作物例如小麥成熟之前更加合理的預測農業干旱造成的產量損失與受災面積。