[发明专利]一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法

权利要求书

1.一种耦合作物模型与机器学习语言的农业干旱诊断和评估方法，包括如下步骤：

S1、获取研究区内相关数据，所述数据包括研究区的气象数据、土壤属性数据、作物产量数据、物候数据以及研究区域全生育期内的遥感LAI时序数据；

S2、利用步骤S1获取的物候数据、土壤属性数据及LAI数据进行分阶段同化，来完成研究区内作物模型的本地化；

S3、针对作物不同生育阶段，设置不同干旱降水情景数据，并将其输入到本地化后的作物模型中，得出研究区内各格点的各个干旱情景下的模拟数据，所述模拟数据包括模拟产量、模拟产量损失率、一定深度土壤层的模拟土壤湿度和模拟LAI，其中，干旱降水情景包括在各生育阶段内0％，10％，30％，50％，70％，90％，100％连续降雨时长为零的情景；

S4、基于S3中干旱情景数据与对应作物模型模拟数据，计算各生育阶段和全生育期的标准降水指数(SPI)，一定深度土壤层的标准化土壤湿度指数(SSMI)和相对叶面积指数(RLAI)，作为特征变量；

S5、基于S4中特征变量将对应作物模型模拟的产量损失率数据作为预测变量，构建样本数据集，并将其输入到随机森林模型中构建作物干旱脆弱性模型，其回归决策树表示为式(1)：

式中h(x)为随机森林的最终预测结果，h(x，θ_i)为随机森林中的某棵回归决策树的预测结果，x为该决策树使用的相应特征变量的集合，θ_i为独立同分布的随机向量，K为决策树个数，N为训练样本子集个数；

S6、利用所述作物干旱脆弱性模型，根据研究时段内特征变量来诊断和评估在所述研究时段内的作物干旱情况。

2.根据权利要求1所述的方法，其特征在于，所述作物选自小麦、玉米、大豆、水稻。

3.根据权利要求1所述的方法，其特征在于，所述作物模型为MCWLA系列模型。

4.根据权利要求1所述的方法，其特征在于，步骤S3中模拟土壤湿度为20cm以及50cm土壤层湿度。

5.根据权利要求4所述的方法，其特征在于，遥感LAI数据选自Copernicus LAI，GLASSLAI以及GLOBMAP LAI。

6.根据权利要求2所述的方法，其特征在于，所述作物为小麦，步骤S3中生育阶段包括出苗-返青、返青-抽穗以及抽穗-成熟。

7.根据权利要求1所述的方法，其特征在于，所述标准化土壤湿度指数(SSMI)为20cm的标准化土壤湿度指数(SSMI_20cm)和50m的标准化土壤湿度指数(SSMI_50cm)。

8.根据权利要求1所述的方法，其特征在于，步骤S6中作物干旱情况包括模拟干旱产量损失率以及干旱空间分布。

9.根据权利要求1所述的方法，其特征在于，所述模拟产量损失率以下式(2)所示

其中Ys_i指第i个干旱情景的模拟产量(kg/ha)，Y_ck是指理想无灾害年的模拟产量(kg/ha)，YLRs_i指第i个干旱情景的模拟产量损失率(％)。