基于遥感信息及水分胁迫提高WheatSM模型精确性的方法技术

本发明专利技术公开了一种基于遥感信息及水分胁迫提高WheatSM模型精确性的方法，采用卡尔曼滤波使多种遥感数据与改进后的WheatSM模型结合，基于数据同化调整改进后的WheatSM模型的输入参数，提高WheatSM模型的精确性。本发明专利技术的优点在于基于EnKF实现遥感信息与WheatSM模型多变量同化，并充分考虑了水分胁迫下WheatSM模型冬小麦发育期预测，极大地提高了WheatSM模型在干旱条件下的适应性，提高遥感信息与作物模型的多变量同化效率，进而提高了WheatSM模型的预测精确性。模型的预测精确性。

【技术实现步骤摘要】
基于遥感信息及水分胁迫提高WheatSM模型精确性的方法


[0001]本专利技术涉及作物生长预测
，尤其是涉及基于遥感信息及水分胁迫提高WheatSM模型精确性的方法。

技术介绍

[0002]WheatSM模型是1995年由冯利平针对中国华北冬小麦区的种植品种开发的小麦生长发育动态模拟模型。作物生长发育模型起步于20世纪60年代，其实质是用数学概念表达作物的生长过程，可用于现代化的作物种植管理，也可辅助政策的分析制定，是农业研究最有力的工具之一。目前，WheatSM模型已经在国家和省级农业气象服务中得到了广泛的应用。但是，该模型在干旱条件下应用时还存在一定的局限性，导致小麦生长发育期的模拟不够准确。
[0003]同时，随着作物生长模型应用多元化的发展，对作物生长模型区域应用的要求也日益迫切，其中，典型应用包括区域作物监测和产量预测。但一般来说，作物生长模型包括WheatSM模型属于单点模型，在进行区域作物监测和产量预测时，需以质量可靠并具有空间连续性的输入资料为前提条件。不过由于空间异质性，区域地表土壤和作物参数及其他环境参数获取困难，成为当前困扰田间尺度作物生长模型区域应用的主要问题。
[0004]而卫星遥感具有快速、宏观、动态等优点，可用于解决区域参数获取困难这一瓶颈，将遥感信息与作物生长模型相结合进行区域作物监测和产量预测是一种有效的解决途径。
[0005]目前以区域作物监测和产量预测为主要应用目的的遥感信息与作物生长模型结合研究表现出良好的发展趋势，受到国内外众多学者的广泛关注。在相关研究中，用于与作物生长模型结合的遥感信息来源包括可见光遥感、红外遥感或微波遥感数据源中的一种或多种。不同研究或以叶面积指数（Leaf Area Index，LAI）、蒸散发（Evapotranspiration，ET）、土壤水分指数（Soil Water Index，SWI）等作物生长状态变量作为结合点，利用遥感数据反演相应参量值与作物生长模型结合；或直接以冠层光谱反射率、植被指数等遥感观测值作为结合点，将辐射传输模型与作物生长模型耦合。遥感信息与作物生长模型结合的方式有驱动策略、调控策略（连续同化策略）、更新策略（顺序同化策略）、验证策略等，前人研究中采用不同策略或策略间组合取得了较高的预测精度。其中，集合卡尔曼滤波（EnKF）是一种广泛应用的同化方法，在作物生长模型与遥感信息同化领域，现有研究主要以LAI为连接变量进行EnKF单变量同化，该领域的EnKF多变量同化方法未见文献报道。

技术实现思路

[0006]本专利技术目的在于提供一种基于遥感信息及水分胁迫提高WheatSM模型精确性的方法。
[0007]为实现上述目的，本专利技术采取下述技术方案：本专利技术所述的基于遥感信息及水分胁迫提高WheatSM模型精确性的方法，采用卡
尔曼滤波使多种遥感数据与改进后的WheatSM模型结合，基于数据同化调整改进后的WheatSM模型的输入参数，提高WheatSM模型的精确性。
[0008]进一步地， 所述改进后的WheatSM模型表达式为：，其中，e为自然常数，k为基本发育系数，T
E
为温度效应因子，p为温度系数，P
E
为光周期效应因子，q为光周期反应特征遗传系数，f
EC
为可控栽培措施因子，f
W
为水分胁迫影响发育期因子，M为发育期或发育阶段的发育进程，t为时间，dM/dt代表t时间的发育速率。
[0009]进一步地，所述水分胁迫影响发育期因子f
W
的表达式为：其中，为发育加速临界点，为发育减速临界点，为发育停止临界点，P
MAR
为发育加速最大比例，为发育加速临界点；为相对有效含水率。
[0010]进一步地，所述采用卡尔曼滤波使多种遥感数据与改进后的WheatSM模型结合具体包括：S1，利用空间气象数据驱动改进后的WheatSM模型逐格网运行，获得K时刻若干同化连接变量的预报值；S2，对所述K时刻若干同化连接变量的预报值进行扰动，即通过扰动改进后的WheatSM模型参数，获得K时刻状态向量的预报值；所述状态向量由若干同化连接变量对应的若干遥感数据组成；S3，对观测向量进行扰动，获得K+1时刻观测向量的预报值；所述观测向量由若干同化连接变量对应的若干遥感数据的遥感反演值组成；所述扰动是在原始的观测向量上添加已知扰动值；S4，根据K时刻状态变量的预报值，运行改进后的WheatSM模型，获得K+1时刻状态向量的预报值；S5，分别计算K+1时刻状态向量预报值和观测向量预报值的协方差矩阵和卡尔曼增益；S6，根据所述卡尔曼增益同化更新所述K+1时刻的状态向量，并代入改进后的WheatSM模型，获得K+1时刻若干同化连接变量的预报值。
[0011]进一步地，所述同化连接变量包括LAI、ET、SM。
[0012]进一步地，所述同化更新中同化步长为4天，所述卡尔曼滤波集合数设定为50。
[0013]本专利技术的优点在于基于EnKF实现遥感信息与WheatSM模型多变量同化，并充分考虑了水分胁迫下WheatSM模型冬小麦发育期预测，极大地提高了WheatSM模型在干旱条件下的适应性，提高遥感信息与作物模型的多变量同化效率，进而提高了WheatSM模型的预测精确性。
具体实施方式
[0014]下面将对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0015]本专利技术所述的基于遥感信息及水分胁迫提高WheatSM模型精确性的方法，采用卡尔曼滤波使多种遥感数据与改进后的WheatSM模型结合，基于数据同化调整改进后的WheatSM模型的输入参数，提高WheatSM模型的精确性。
[0016]1995年冯利平提出的WheatSM模型表达式为：其中，e为自然常数，M为发育期或发育阶段的发育进程，完成时M为1；t为时间；k为基本发育系数，由品种自身的遗传特性决定，k大，说明该品种发育速度快，是早熟品种，反之则迟缓，是晚熟品种；T
E
为温度效应因子，反映温度对小麦发育的非线性影响；p为温度系数，反映品种在某一发育阶段内对温度反应的敏感性，p大，说明在下限到最适温度范围内，增温对发育速度的促进作用大，反之则小；P
E
为光周期效应因子，反映光照对小麦发育的非线性影响；q为光周期反应特征遗传系数，反映某品种在某一发育阶段内对光周期反应的敏感性，q大，说明该品种对光周期的反应敏感，反之则钝感；f
EC
为肥料、播种深度等可控栽培措施因子。
[0017]T
E
的简化表达式为：其中，T
mean
为日平均温度，其单位为℃；T
b
为某一阶段内小麦生长发育的下限温度，在小麦播种至出苗阶段、出苗至拔本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感信息及水分胁迫提高WheatSM模型精确性的方法，其特征在于：采用卡尔曼滤波使多种遥感数据与改进后的WheatSM模型结合，基于数据同化调整改进后的WheatSM模型的输入参数，提高WheatSM模型的精确性。2.根据权利要求1所述的基于遥感信息及水分胁迫提高WheatSM模型精确性的方法，其特征在于：所述改进后的WheatSM模型表达式为：其中，e为自然常数，k为基本发育系数，T
E
为温度效应因子，p为温度系数，P
E
为光周期效应因子，q为光周期反应特征遗传系数，f
EC
为可控栽培措施因子，f
W
为水分胁迫影响发育期因子，M为发育期或发育阶段的发育进程，t为时间，dM/dt代表t时间的发育速率。3.根据权利要求2所述的基于遥感信息及水分胁迫提高WheatSM模型精确性的方法，其特征在于：所述水分胁迫影响发育期因子f
W
的表达式为：其中，为发育加速临界点，为发育加速临界点，发育减速临界点，为发育停止临界点，P
MAR
为发育加速最大比例，为发育加速临界点，为相对有效含水率。4.根据权利要求1所述的基于遥感信息及水分胁迫提高WheatSM模型精确性的方法，其特征在于...

【专利技术属性】
技术研发人员：李颖，陈先冠，冯利平，黄健熙，曹淑超，
申请(专利权)人：河南省气象科学研究所，
类型：发明
国别省市：