[发明专利]基于R语言的作物生长模型空间栅格模拟方法

说明书

本发明提出一种基于R语言的作物生长模型空间栅格模拟方法，基于事先设定的分辨率以及模拟区域，通过R语言把不同来源的生长模型输入数据等进行矩阵转换、双线性插值处理等预处理，将多源空间数据统一到同一分辨率的区域栅格阵列，并根据阵列编号给不同类型输入数据进行栅格定位匹配，使得所有模型输入数据的预处理更加高效规范，同时利用R语言多线程技术驱动作物生长模型对所有匹配好的空间栅格数据进行多线程并行模拟，不需要直接在模型中模拟，同时多线程也提高了模型模拟效率。本发明的模拟方法具有更高的分辨率和可靠性，有效地提高了模拟效率。

技术领域

本发明属于农业信息技术领域，尤其是一种基于R语言的作物生长模型空间栅格模拟方法。

背景技术

近几十年来，气候变化、品种更替、管理技术的进步给农业生长带来了重大的影响。特别是气候变化导致的气候减产抵消了一大部分品种改良、管理措施进步带来增产，引发了许多区域的粮食安全问题。如何准确有效地在大尺度区域预测和评估气候变化、品种更替、管理技术等对农业生长的贡献，对于我国粮食安全分析具有极其重要的作用。

作物生长模型和统计模型是研究大尺度农业生产的两种基本方法。统计模型由于无需利用详细的田间生产和管理数据进行模型校准和评价，常常用于大尺度农业生产评估，但其难以理解的作物生长的机理和潜在过程。作物生长模型可以将植物生理、农艺、土壤科学和农业气象的知识整合进模型，由于能反映品种基因型、环境条件及管理措施的综合效应，已经成为量化和评估气候变化、适应性措施等对作物生产影响的最有效工具。同时作物机理模型需要大量详细的作物生长、管理、土壤等条件的输入数据，这也为作物生长模型在大尺度区域模拟带来了挑战。

目前作物生长模型在大尺度区域的农业生产预测与评估方法主要是通过对站点尺度的模拟，然后应用反距离权重插值、克里格插值等插值方法进行区域升尺度，或者将各个站点的输入数据进行平均，然后用模型模拟出结果代表该区域的估计值，这种方法无法量化各个模型输入要素的空间变异性，只是将模拟结果进行升尺度，当站点数量少且空间区域大时结果不确定性比较大。近年来，国际上逐渐使用基于不同分辨率的大尺度区域栅格模拟方法。该方法通过把生长模型所需要的各种类型输入数据进行升尺度到栅格水平，然后把升尺度后的栅格数据带入生长模型进行模拟，同时利用实测数据进行模型参数优化，再把优化好参数的模型带入重新模拟。然而，目前空间栅格数据获取来源不一，分辨率和存储格式各异，与作物生长模型耦合比较难，把所有栅格数据整理成模型需要的数据再带入模型的模拟效率较低。

发明内容

本发明所解决的技术问题在于针对来源不一、分辨率和存储格式各异的模型输入数据整理困难，空间数据与作物生长模型耦合困难，模型效率低的问题，提供一种基于R语言的作物生长模型空间栅格模拟方法，高效预处理多源空间数据，并统一到同一设定分辨率的区域栅格阵列，然后耦合作物生长模型实现高效模拟。

实现本发明目的的技术解决方案为：

基于R语言的作物生长模型空间栅格模拟方法，包括以下步骤：

步骤1：设定模拟的空间分辨率，生成全球栅格参考系，采用R语言的raster函数生成该空间分辨率下的全球栅格，该栅格的空间投影为WGS84，经度从西到东为-180°到180°，纬度从北到南为90°到-90°，并根据栅格阵列顺序对全球栅格进行栅格编号，得到编号全球栅格；

步骤2：设定模拟区域，筛选出该模拟区域在全球栅格中对应的栅格编号，得到区域栅格编号；

步骤3：获取作物生长模型的N类多源输入数据，并对每一类输入数据分别进行数据预处理，将每一类输入数据均统一到预设空间分辨率下的全球栅格中，得到对应的N类全球栅格数据；

将N类全球栅格数据与全球栅格参考系进行匹配，得到N类全球栅格数据的栅格编号，同时将每个栅格编号对应的数据均转换成二元属性数据表格和R语言数据存储格式进行存储；