[发明专利]一种基于集合卡尔曼滤波同化的区域作物估产方法

摘要

本发明提供一种基于集合卡尔曼滤波同化的区域作物估产方法，融合了遥感数据和作物模型的优势，把植被遥感中普遍使用的EVI作为观测变量，LAI作为同化变量，通过集合卡尔曼滤波算法进行了对模型LAI的最优化调整，并将PROSAIL模型作为观测算子，解决了观测变量和状态变量不一致的问题，实现了遥感信息和模型的同化，避免了用反射率反演LAI带来的误差。同化EVI后获得的作物产量，与未同化相比较，均方根误差RMSE减小而决定系数R²明显上升，同化后使作物模型产量估算的精度有显著提高，产量空间分布趋势与统计产量一致。

主权项

一种基于集合卡尔曼滤波同化的区域作物估产方法，其特征在于，具体步骤如下：S1：对作物模型的参数进行标定，对遥感数据与地面参数进行空间匹配，使用地统计空间插值法实现大区域的参数确定，完成数据准备；S2：对工作区整个生育期内HJ‑1A/B卫星的EVI数据按时间序列合成，对每个网格单元生成时间序列曲线；S3：逐网格单元运行作物模型，对遥感EVI添加高斯扰动，生成观测成员集合；S4：逐天运行作物模型，对模型的状态变量LAI添加高斯扰动生成模型成员集合；S5：当存在遥感观测时，将观测成员集合和模型成员集合输入到集合卡尔曼滤波中，计算同化后的LAI最优值；S6：用S5中计算得到的最优LAI值替换作物模型中当天的状态变量LAI，重复进行步骤S4至S6，直到在该像素模型运行结束，输出产量结果；S7：重复步骤S3至S6，最终在完成所有像素上的运行后，按行政边界汇总，输出平均产量，指导作物生产。