[发明专利]同化叶面积指数时序曲线特征的冬小麦估产方法

摘要

本发明公开了一种同化叶面积指数时序曲线特征的冬小麦估产方法，通过如下步骤实施：S1：对作物模型进行全局敏感性分析，并完成作物模型参数区域化；S2：合成MODIS LAI时间序列曲线；S3：对LAI时序曲线进行滤波处理；S4：进行曲线拟合并提取出关键特征点；S5：在区域范围运行作物模型，对模拟得到的LAI时间序列进行曲线拟合并提取出曲线上的关键特征点；S6：按S4和S5各自获得3类关键特征点的日期建立代价函数，并以遥感观测误差为权重求和得到总代价函数，对总代价函数进行最小化，使得代价函数快速收敛，最终在收敛条件被满足时，按行政边界汇总，输出产量结果。本发明提高了同化精度，克服了MODIS LAI产品系统偏低的影响，适合于区域尺度冬小麦产量估测。

主权项

一种同化叶面积指数时序曲线特征的冬小麦估产方法，其特征在于，包括以下步骤：S1：进行实验区作物模型的敏感性分析，得到需要标定和同化的模型参数，对遥感数据与地面参数进行空间匹配，使用插值法实现部分作物模型参数区域化标定，完成数据准备；S2：对实验区整个生育期内的MODIS LAI数据按时间序列合成，对每个栅格单元生成时间序列曲线；S3：对S2中获得的时间序列MODIS LAI曲线进行滤波，以消除数据缺失和云污染的影响；S4：将S3中滤波后的时间序列曲线进行曲线拟合，得到每个栅格单元的MODIS LAI时间序列的曲线方程，并提取出该曲线上的关键特征点，所述关键特征点是曲率最大值点、斜率最大值点和叶面积最大值点；S5：在S1进行作物模型标定的基础上，在实验区域内运行WOFOST作物模型，对模拟的LAI时间序列进行曲线拟合，并提取出曲线上的关键特征点，所述关键特征点是曲率最大值点、斜率最大值点和叶面积最大值点；S6：S4和S5各自获得3类关键特征点，按类别对点的日期建立代价函数，并以遥感观测误差为权重求和得到总代价函数，对总代价函数进行最小化，使其不断重新初始化S1获得的需进行同化的敏感性的作物模型参数，在初始参数空间中搜索全局最优解，使得代价函数快速收敛，最终在收敛条件被满足时，同化过程结束，按行政边界汇总，输出产量结果。