[发明专利]同化卫星荧光数据与作物生长模型的区域冬小麦估产方法

权利要求书

1.一种同化卫星荧光数据与作物生长模型的区域冬小麦估产方法，其特征在于，包括：

将冬小麦种植区域划分为多个格网，选择冬小麦面积占比大于设定比例的格网作为待估产区域；

根据环境指标数据将所述待估产区域划分为多个种植分区，获取种植分区的设定分辨率的日光诱导叶绿素荧光SIF遥感数据；

对WOFOST模型进行全局敏感性分析，获得对GPP、产量敏感的参数集；对SCOPE模型进行全局敏感性分析，获得对SIF、GPP的敏感的参数集；

按照种植分区对所述敏感参数集中的敏感参数进行参数标定和不确定性评估；

在SIF数据同化系统的外层，将SIF遥感数据与参数标定后的SCOPE模型进行同化，由同化后的SCOPE模型得到日累积GPP；在SIF数据同化系统的内层，同化所述系统外层所得的日累积GPP与WOFOST模型模拟的日累积GPP，得到同化后的日累积GPP；

基于同化后的GPP，以气象预报数据驱动WOFOST模型，获得WOFOST模型输出的所述待估产区域的冬小麦产量预报结果。

2.根据权利要求1所述的区域冬小麦估产方法，其特征在于，所述根据环境指标数据将所述待估产区域划分为多个种植分区，包括：

以农气站点为结点构建多个泰森多边形；

建立环境指标，将相近环境指标的农气站点对应的泰森多边形进行合并，获得待估产区域分区结果。

3.根据权利要求1所述的区域冬小麦估产方法，其特征在于，所述获取种植分区的设定分辨率的SIF遥感数据，包括：

将MODIS数据的分辨率设定为冬小麦产量预报所采用的分辨率，即设定分辨率，将生育期内的原始分辨率为7km*3.5km的TROPOMI SIF遥感数据降尺度为所述设定分辨率；其中，所述MODIS数据包括叶面积指数LAI数据、蒸散发ET数据和地表温度LST数据。

4.根据权利要求3所述的区域冬小麦估产方法，其特征在于，所述设定分辨率为1km*1km，将生育期内的TROPOMI SIF遥感数据降尺度为设定分辨率的SIF数据，包括：

将生育期内TROPOMI SIF遥感数据重采样为空间分辨率为5km*5km的SIF数据；

将原始1km*1km的MODIS数据重投影为阿尔伯斯等面积投影，并通过线性聚合方法重采样为5km*5km的MODIS数据；

为每个5km*5km的SIF数据的像元建立时空窗口，将位于该时空窗口内的所述5km*5km的MODIS数据带入式中，求解出式中的未知参数；

其中，b_i为待求解的未知参数，i＝1,2,3,4,5,6；

基于求解出的所述未知参数，将原始1km*1km的MODIS数据带入式中，获得5*5个分辨率为1km*1km的SIF数据。

5.根据权利要求1所述的区域冬小麦估产方法，其特征在于，对WOFOST模型进行全局敏感性分析，获得对GPP、产量敏感的参数集之前，还包括：

对所述待估产区域的地面气象数据进行时空插值，获得时空连续分布的逐日的气象数据和逐小时的气象数据；

将所述逐日的气象数据作为WOFOST模型的气象驱动数据，以及将所述逐小时的气象数据作为SCOPE模型的气象驱动数据。

6.根据权利要求1所述的区域冬小麦估产方法，其特征在于，对所述敏感参数集中的敏感参数进行参数标定和不确定性评估，包括：

确定每个敏感参数的取值区间，并定义所述敏感参数的先验分布为区间上的均匀分布；

在此先验分布中进行蒙特卡洛采样，将每次采样后获得的采样结果带入模型得到对应的模型输出结果；

将该输出结果带入似然函数获得每次采样的似然概率，依据Metropolis准则接受采样值，并依据方差比法判断马尔科夫链是否收敛；

在前一次采样的基础上不断进行新的采样直至马尔科夫链收敛，获得所述敏感参数的后验样本；

将后验样本的中值作为所述参数标定结果。