[发明专利]双极化合成孔径雷达与作物模型同化的作物灌溉指导方法

说明书

本发明属于农业遥感领域，涉及一种双极化合成孔径雷达与作物模型同化的作物灌溉指导方法，具体步骤为：收集双极化合成孔径雷达的卫星数据并预处理，采用AIEM模型与MIMICS模型反演土壤水分SM；标定研究区作物的SWAP模型；利用集合卡尔曼滤波算法同化所得遥感反演SM和所得SWAP模型模拟SM，优化SWAP模型；逐个作物格网基于优化后的SWAP模型输出的土壤水百分比含量，得出灌溉需求，得到区域作物灌溉制度制图，指导作物生产。本发明的方法融合了SAR遥感数据和作物模型的优势，采用SAR遥感数据有效克服了云雨条件下的卫星遥感数据缺失问题，极大增加了可用数据时间分辨率，有效提高了区域作物土壤水分估算精度。

技术领域

本发明属于农业遥感领域，具体涉及一种双极化合成孔径雷达与作物模型同化的作物灌溉指导方法。

背景技术

传统的农作物灌溉指导方法主要有统计调查方法、基于作物模型的预报方法以及农业气象预报方法等。这些方法由于其固有的局限性都难以实现区域作物所需灌溉量的高精度估测。而基于卫星遥感技术的估测方法，凭借空间上连续和时间上动态的特点，在区域作物所需灌溉量估测上具有得天独厚的优势。同时，将遥感技术与基于作物光合、呼吸、蒸腾、营养等机理过程的作物生长模型结合能够达到区域高精度指导灌溉量目的。数据同化方法能够结合作物生长模型在点上、遥感观测在面上的优势，成为近年来国内外农业定量遥感的研究的热点。

然而光学遥感受天气因素的制约较大，而雷达遥感相比于光学遥感数据，具有受云雾影响小的特点，能够全天候、全天时进行监测，因此在作物生长季能够获得连续的，长时间的观测数据，对作物长势监测、灌溉指导十分有帮助。利用数据同化方法将雷达遥感和作物模型相结合不仅能够弥补作物模型在区域作物需水量估测方面的不足，而且能够克服普通光学遥感数据受云雾等天气因素制约较大的局限性，能够适用于区域范围的作物灌溉指导研究。

发明内容

为解决现有技术中存在的如下问题：“如何将大范围高时效性的双极化合成孔径雷达遥感数据和准确模拟作物生长的机理模型进行同化，进而能够在大范围内准确地对作为灌溉进行指导”，本发明提供一种双极化合成孔径雷达与作物模型同化的作物灌溉指导方法。

本发明提供一种双极化合成孔径雷达与作物模型同化的作物灌溉指导方法，具体步骤如下：

S1、收集研究区待测作物生育期内双极化合成孔径雷达的卫星数据，进行预处理获得时间序列C波段(C band)的VH和VV双极化后向散射系数，即双极化SAR数据；

S2、在作物出苗或返青之后，基于双极化SAR数据，采用AIEM模型(改进的积分方程模型)与MIMICS模型(Michigan Microwave Canopy Scattering Model，密歇根微波植被散射模型)反演土壤水分SM，得到遥感反演SM；

S3、收集研究区内的气象、作物、土壤和作物管理参数并将其作为输入参数，标定研究区作物的SWAP模型(是以土壤-水分-大气-作物系统模拟的模型)，得到SWAP模型模拟SM；

S4、以SM为同化变量，利用集合卡尔曼滤波算法(Kalman filter)对S2所得遥感反演SM和S3所得SWAP模型模拟SM进行同化，优化SWAP模型；

S5、基于优化后的SWAP模型输出的土壤水百分比含量，根据灌溉上限和灌溉下限，判断土壤含水量是否接近水分胁迫临界预警值，给出是否需要灌溉，以及灌溉日期和灌溉量；

S6、逐个作物格网运行S4-S5的步骤，模拟输出区域的作物灌溉制度分布图，指导作物生产。

步骤S1中所述双极化合成孔径雷达的卫星数据，优选哨兵1号(Sentinel-1)卫星数据，为哨兵1号(Sentinel-1)卫星的SLC(single look complex)数据，数据为复数据，包括幅度和相位信息。

步骤S1中所述进行预处理是指多视处理、地形纠正、斑点噪声滤除等。