[发明专利]一种基于多源信息分步校正作物模型的区域作物估产方法

权利要求书

1.一种基于多源信息分步校正作物模型的区域作物估产方法，包括如下步骤：

S1:分解作物模型,将作物模型的初始参数按照控制功能模块的不同分为生育期参数、LAI参数和产量参数三组；

S2：获取分步校正所述作物模型的多源信息，包括基础输入信息、遥感校正信息和产量校正信息，其中基础输入信息包括驱动作物模型运行的日值气象数据、土壤属性信息和待校准的初始参数，遥感校正信息包括由LAI时间序列反演得到的生育期以及校正LAI参数所需要的LAI时间序列；产量校正信息包括用于校正作物模型的模拟产量的地面产量观测数据；

S3：分步校正所述作物模型，为每一个最小行政单位依次校正生育期模块、LAI模块和产量模块；每个功能模块的参数均经历如下参数优化过程：初始参数空间由数十组参数组成，运行作物模型得到每一组参数对应的模拟结果，建立当前优化功能模块的结果和校正数据之间的代价函数，在当前参数空间的结果中搜索代价函数的全局最优解，若最优解不符合优化终止条件，则按照如下公式(1)和(2)向全局最优解和局部最优解共同决定的方向更新参数空间中当前功能模块的参数数值，重新计算模拟结果并进行判断；若最优解符合优化终止条件，校正过程结束，输出对应功能模块的校正后最优化参数和最优化模拟结果，其中经过校正后的当前功能模块最优化参数将取代原有参数空间中的对应参数，以保障下一功能模块的校正准确性；

v_i(t+1)＝w*v_i(t)+c₁*rand1*(p_l(t)-x_i(t))+c₂*rand2*(p_g(t)-x_i(t)) (1)

x_i(t+1)＝x_i(t)+v_i(t) (2)

式中，p_l(t)和p_g(t)分别为第t次模拟结束后的局部最优解和全局最优解对应的参数组数值；x_i(t)和x_i(t+1)分别为某一组参数中第i个参数在第t次和第t+1次模拟过程中的数值；v_i(t)和v_i(t+1)分别为某一组参数中第i个参数在第t次和第t+1次模拟过程中的更新幅度，c₁和c₂为加速系数，常取值为2；rand1和rand2为[0,1]之间随机数；w为惯性权重因子；

其中，上述代价函数的计算优化终止条件为以下之一：

连续5次循环后待优化模型参数值收缩到指定的值域范围；

代价函数值在5次循环后无法提高0.01％；以及

计算代价函数的次数超过100次。

2.根据权利要求1所述的区域作物估产方法，其特征在于，步骤S2中，所述生育期以及LAI时间序列来自MODIS LAI产品。

3.根据权利要求1所述的区域作物估产方法，其特征在于，步骤S3中，校正生育期模块的代价函数数值为生育期模拟结果和遥感反演结果之间绝对差值，如公式(3)所示：

式中，和分别为第y年行政边界内第i个栅格格点的作物模型模拟值和遥感反演值；m是行政边界内栅格格点总数，s是研究时间段长度；J_P则是研究时间段内研究区域内生育期代价函数值；J_P越接近0，模拟生育期结果精度越高。

4.根据权利要求1所述的区域作物估产方法，其特征在于，步骤S3中，校正LAI模块的代价函数为LAI模拟结果和遥感观测数据之间向量夹角值，如公式(4)所示：

式中，和分别为行政边界内第y年第i个栅格格点的作物模型在第d个观测日的作物模型模拟值和遥感观测值；n是作物生长发育期间LAI数值的总观测日数，m是行政边界内栅格格点总数，s是研究时间段长度；J_L是研究时间段内LAI代价函数值；J_L越接近1，作物生长发育期内模拟LAI时间序列和遥感观测时间序列越一致。