一种农作物叶面积指数同化方法技术

本发明专利技术公开了一种农作物叶面积指数同化方法，涉及叶面积指数领域。所述方法包括步骤：B：依据四维变分的代价函数构建目标泛函；C：在当前同化过程下，依据非常快速模拟退火算法求取所述目标泛函的最优解；D：判断当前同化过程的次数是否大于总观测次数，如果是，将所述最优解作为待调整参数的最终值，同化过程结束；否则，将所述最优解作为下一次同化过程中所述待调整参数的当前值，执行所述步骤C。所述方法，在获取全局最优解的同时，降低了计算复杂度，提高了叶面积指数的估算精度和抗数据饱和性。

【技术实现步骤摘要】

本专利技术涉及叶面积指数
，特别涉及。
技术介绍
叶面积指数是一个重要的植物学参数，在农作物长势监测、产量估算等领域应用广泛。在农业定量遥感研究中，叶面积指数的提取和反演估算主要是基于遥感观测数据、作物生长模型、辐射传输模型等开展的。目前，叶面积指数估算方法主要有经验公式法、非参数法、物理模型反演法和数据同化算法等。其中，经验公式法从数据自身统计特性出发，通过分析光谱数据或各类植被指数与叶面积指数的定量关系实现叶面积指数的反演估算；非参数法以其所描述的数据关系为对象进行数值拟合，数据量大小在一定程度上影响叶面积指数估算结果的可靠性；物理模型反演法以物理机制为基础，选用合适的数学工具反演估算叶面积指数。数据同化是近年来发展较为迅速的一类用于地表参数反演估算的研究思路，其在考虑数据时空分布、观测场误差和背景场误差的基础上，将观测数据融入模型的动态运行过程，以实现目标参数的提取。现有的经典同化算法有滤波法、变分法和启发式优化算法等。其中，集合卡尔曼滤波同化算法主要用于单状态变量优化，无法直接应用到基于多状态变量优化求解的叶面积指数同化反演过程；四维变分同化算法适于解决多状态变量优化问题，但线性模式和伴随模式的引入增加了计算复杂度；非常快速模拟退火算法独立于目标泛函，优于处理非线性及不连续性系统。三种算法在各自的适用范围和使用条件的基础上， 各具优势；同时，每种算法又无法兼具另外两种算法的优势。因此，如果能够提供一种综合三种算法优势的同化方法，将对农作物长势监测、产量估算等领域具有重要意义。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是如何提供，以提高农作物叶面积指数估算的精度。( 二)技术方案为解决上述技术问题，本专利技术提供，其包括步骤B 依据四维变分的代价函数构建目标泛函；C 在当前同化过程下，依据非常快速模拟退火算法求取所述目标泛函的最优解；D 判断当前同化过程的次数是否大于总观测次数，如果是，将所述最优解作为待调整参数的最终值，同化过程结束；否则，将所述最优解作为下一次同化过程中所述待调整参数的当前值，执行所述步骤C。优选地，在所述步骤B之前还包括步骤A 基于农作物时序观测数据和地面先验知识设定待调整参数的初值，根据所述待调整参数的初值和所述作物生长模型生成符合高斯分布的背景场数据集合初值，以及所述背景场数据集合的误差协方差矩阵初值。优选地，所述步骤A具体包括步骤Al 选取对叶面积指数变动敏感的参数作为作物生长模型的待调整参数X ；A2 基于农作物时序观测数据和地面先验知识设定所述待调整参数的初值X (tQ)； 其中，、表示同化开始时刻；A3 根据所述待调整参数的初值X (O和所述作物生长模型，生成符合高斯分布的背景场数据集合初值XaUtl)，以及所述背景场数据集合的误差协方差矩阵初值Pltci)。优选地，所述步骤B中的目标泛函J(X)的表达式如下权利要求1.，其特征在于，包括步骤 B 依据四维变分的代价函数构建目标泛函；C 在当前同化过程下，依据非常快速模拟退火算法求取所述目标泛函的最优解； D 判断当前同化过程的次数是否大于总观测次数，如果是，将所述最优解作为待调整参数的最终值，同化过程结束；否则，将所述最优解作为下一次同化过程中所述待调整参数的当前值，执行所述步骤C。2.如权利要求1所述的方法，其特征在于，在所述步骤B之前还包括步骤A基于农作物时序观测数据和地面先验知识设定待调整参数的初值，根据所述待调整参数的初值和所述作物生长模型生成符合高斯分布的背景场数据集合初值，以及所述背景场数据集合的误差协方差矩阵初值。3.如权利要求2所述的方法，其特征在于，所述步骤A具体包括步骤Al 选取对叶面积指数变动敏感的参数作为作物生长模型的待调整参数X ； A2 基于农作物时序观测数据和地面先验知识设定所述待调整参数的初值XUtl)；其中，、表示同化开始时刻；A3 根据所述待调整参数的初值Χ(、)和所述作物生长模型，生成符合高斯分布的背景场数据集合初值Xltci)，以及所述背景场数据集合的误差协方差矩阵初值Pltci)。4.如权利要求1所述的方法，其特征在于，所述步骤B中的目标泛函J(X)的表达式如下ιι NumJ(X)=-(X-X
k)j Pa(tky\X-X
k))+-Y^r(ti)-H{M(X))i Ritd'VXQ-HiMiX))}}其中，Rai)表示第i个观测时刻由观测数据测量误差和模型误差组成的观测误差； γ°(、)表示第i个观测时刻的光谱数据集；Xa(tk)表示第k次同化过程时的背景场数据集合的当前值，k的初值为0 ;Pa(tk)表示Xa(tk)的误差协方差矩阵的当前值；Num表示所述总观测次数；M表示作物生长模型算子；H表示PR0SAIL辐射传输模型算子。5.如权利要求4所述的方法，其特征在于，所述步骤C具体包括步骤Cl 在当前同化过程下，设定标准温度Ttl，设定优化过程的状态变量X°(tk, ρ的初值X°(tM) = JT(0,并且设定初始温度T1 = T0exp(-c)；其中，JT&)表示xa(tk)的算术平均值，c为常数，j的初值为0 ；C2 在当前温度T1下，根据当前状态变量X°(tk, ρ计算下一个状态变量X°(tu+1) ；I表示迭代次数，初值为1 ；C3 计算 Δ J = J (X0 (tk,j))-J (X0 (tk,J+1))，判断 Δ J 是否大于 0，如果是，接受 X° (tk,J+1)， 否则，以概率exp(-Δ J/cT》接受X°(tk,j+1)；C4 判断是否达到平衡，如果是，执行C5 ；否则，计算下一温度Tw = T0exp(-cXI1/n),I 自加1，j自加1，然后执行步骤C2 ；其中，η为待调整参数的维数；C5 判断当前温度T1是否低于预设最低温度，或者已经连续出现了预设阈值个状态变量均未被接受，如果是，将X°(tu+1)作为所述目标泛函的最优解，执行步骤D ；否则，TI+1 = T1, I自加1，j自加1，然后执行步骤C2。6.如权利要求5所述的方法，其特征在于，所述步骤C2中通过下面两个公式计算下一个状态变量X°(tk,j+1)7.如权利要求5所述的方法，其特征在于，所述步骤C4具体包括步骤C41 通过下面公式计算标准值Mand w=0m=0m=05C42 判断所述标准值Mand是否小于预设极小值ε，如果是，认为达到平衡，执行C5 ； 否则，认为未达到平衡，计算下一温度Tm = T0exp (-CΧΙ1/η), I自加1，j自加1，然后执行步骤C2 ο8.如权利要求7所述的方法，其特征在于，所述预设极小值ε为0.01。9.如权利要求5所述的方法，其特征在于，所述标准温度Ttl为100°C，所述预设最低温度为IO0C010.如权利要求5所述的方法，其特征在于，所述步骤D具体包括步骤Dl 判断当前同化次数k是否大于所述总观测次数Num，如果是，将所述最优解作为所述待调整参数的最终值，同化过程结束；否则，执行步骤D2 ；D2 :k自加1，将所述最优解作为第k次同化过程中所述待调整参数的当前值X(tk)，根据所述待调整参数的当前值X(tk)和所述作物生长模型生成符合高斯分布的背景场数据集合当前值Xa (tk)，以及所述背本文档来自技高网...

【技术保护点】
１．一种农作物叶面积指数同化方法，其特征在于，包括步骤：Ｂ：依据四维变分的代价函数构建目标泛函；Ｃ：在当前同化过程下，依据非常快速模拟退火算法求取所述目标泛函的最优解；Ｄ：判断当前同化过程的次数是否大于总观测次数，如果是，将所述最优解作为待调整参数的最终值，同化过程结束；否则，将所述最优解作为下一次同化过程中所述待调整参数的当前值，执行所述步骤Ｃ。

【技术特征摘要】

【专利技术属性】
技术研发人员：王纪华，董莹莹，李存军，杨贵军，王芊，王慧芳，黄文江，陈红，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：11