[发明专利]基于HASM和欧氏距离算法的烟叶品质分区方法

说明书

本发明属于烟草种植技术领域，具体为基于HASM和欧氏距离算法的烟叶品质分区方法，包括烟区高精度气象、土壤环境时空分布信息数据库的构建，烟区各分片气象因子、土壤性质值和烟叶感官质量综合值提取，烟叶感官质量综合值的关键因子、权重及关键因子特征值的计算，烟叶品质分区的实现。本发明以MODIS遥感信息和地面观测数据为基础，采用HASM方法与人工神经网络模型、回归模型相结合，创建烟区气象及土壤性质时空分布高精度模拟方法，获取烟区气象和土壤等环境因子精准的时空分布信息；利用多年烟叶感官品质监测数据和模拟环境数据，量化影响烟叶感官品质的关键环境因子及其权重和特征中心值；采用欧氏距离算法进行烟区烟叶品质区划。

技术领域

本发明属于烟草种植技术领域，具体为基于HASM和欧氏距离算法的烟叶品质分区方法。

背景技术

烟草是一种对其生长环境极其敏感的经济作物，烟草种植区的生态环境因素对烟叶产量和品质均有很大的影响。大量研究表明，气候和土壤等生态环境条件对烟叶田间长相长势、烟叶产量、产值、化学成分、致香物质含量和感官质量的影响极为明显，这些生态环境因素对烟叶品质的影响甚至大于品种因素。然而烟叶品质与众多环境要素间的关系极其复杂。同时，烟区多位于地形复杂的山区，山地气候和土壤等要素的时空分布信息极为复杂，其精准的时空分布信息不明。常规的环境要素空间信息的获取方法基于观测点测量数据内插或模拟得到，但是受观测点数和环境要素空间化方法的限制，目前通用的环境要素空间化方法如反距离插值法和克里格法得到的环境要素空间分布信息精度较低，在地形条件复杂的山区应用效果更差。这些因素使得烟叶生产与关键气候、土壤因子间的关系难以准确量化，极大地影响了优质安全烟区生产区划及生产措施的制定与实施。

发明内容

针对上述技术问题，本发明提供一种基于HASM和欧氏距离算法的烟叶品质分区方法，使得烟叶生产与关键因子间的关系准确量化。

具体的技术方案为：

基于HASM和欧氏距离算法的烟叶品质分区方法，包括以下步骤：

(一)烟区高精度气象、土壤环境时空分布信息数据库的构建

利用HASM模型与人工神经网络模型、最小二乘回归或地理加权回归模型相结合，分别创建烟区复杂地形条件下气象因子和土壤性质时空分布高精度模拟方法，获得烟区4至9月逐旬90米分辨率的气象因子空间分布图，以及土壤pH值、有机质、全氮磷钾、速效氮磷钾、铁锰铜锌硼钼等15项土壤性质30米分辨率土壤性质空间分布图，进而构建烟区高精度气象、土壤环境信息数据库。

(二)各分片气象因子、土壤性质值和烟叶感官质量综合值提取

(1)基于烟区所有分片历年烟叶感官质量综合评价值，统计得到各分片历年感官品质综合得分值。

(2)以分片界矢量地图和模拟得到的高精度气象、土壤性质空间分布图为基础，提取各分片4至9月逐旬气象因子特征值。

(三)烟叶感官质量综合值的关键因子、权重及关键因子特征值的计算

(1)基于所有分片历年感官品质综合得分值和模拟得到的气象和土壤性质值，采用直线或曲线回归模型建立各分片历年感官品质综合得分值与各分片气象和土壤性质值间的映射关系，根据各模型的显著水平确定各气象因子的关键时期或关键土壤性质；

(2)将所有分片的感官品质综合得分值按80、75～80、70～75和70划分为好、较好、一般和差4个等级，统计计算得到不同等级烟叶品质所对应的关键环境因子平均值，以该平均值作为关键环境因子的特征中心值。

(3)采用多元回归模型分别建立烟叶感官质量综合值与气温各关键时期、降雨关键时期、日照时数关键时期以及关键土壤性质间的回归模型，以模型的校正决定系数分别确定气温、降雨、日照时数和土壤性质4个因素的权重。

(四)烟叶品质分区的实现