[发明专利]一种基于遥感数据的参考作物腾发量计算方法

摘要

本发明提出一种基于遥感数据的参考作物腾发量计算方法，属于定量灌溉设计与农业水资源管理领域。本发明首先获取研究区域训练气象数据并计算对应的训练参考作物腾发量ET₀作为训练集的输出数据组，获取研究区域的训练遥感数据作为训练集的输入数据组，建立研究区域的参考作物腾发量计算模型；然后通过验证ET₀和验证遥感数据检验模型精度；使用时，获取所需时间段的遥感数据并输入验证完毕的模型，模型输出该研究区域选定时间段内参考作物腾发量。本发明结合少量的气象站资料与易获取的遥感资料，可实际应用于气象站数据缺失地区和气象站稀疏地区的区域参考作物腾发量计算，有效的协助当地灌溉规划和农业用水管理。

主权项

1.一种基于遥感数据的参考作物腾发量计算方法，其特征在于，包括以下步骤：1)建立研究区域的参考作物腾发量计算模型；具体步骤如下：1‑1)确定研究区域，在该区域内及周边选取获取训练气象数据的气象站点；选定任意研究区域，在研究区域范围内或在距离区域边界100公里内的研究区域周边具有相近气候、地理状况的区域选取气象站点；统计气象站点的总数量，随机选取数量为总数量80％的气象站点作为获取训练气象数据的气象站点；1‑2)获取训练气象数据；从步骤1‑1)选取的获取训练气象数据的气象站点获取气象数据与气象站点地理信息，包括：日最高气温T_max、日最低气温T_min、日平均气温T_mean、平均水汽压e_a、平均风速u、实际日照时数N、相对湿度RH、风速测点高度H，气象站点高程Z、气象站点经度β和气象站点纬度每个气象站点选取的气象数据时间长度大于等于1年；将获取的气象数据记为训练气象数据；1‑3)利用步骤1‑2)获取的训练气象数据，计算训练ET₀；参考作物腾发量ET₀通过彭曼一蒙特斯公式计算，表达式如下：式中，R_n为净辐射，G为土壤热通量，u₂为2米高度处的风速，e_s为饱和水汽压，e_a为平均水汽压，Δ为饱和水汽压—温度曲线斜率，γ为湿度计常数；1‑4)获取研究区域的训练遥感数据；确定遥感数据类型，根据步骤1‑2)中每个获取训练气象数据的气象站点的经度和纬度，选取对所有获取训练气象数据的气象站点进行覆盖的遥感数据，所述遥感数据采用栅格形式的数据，遥感数据观测的时间与气象站点观测的时间对应；将获取的遥感数据作为训练遥感数据；1‑5)建立研究区域的参考作物腾发量计算模型；将步骤1‑4)获取的训练遥感数据作为训练集的输入数据组，将步骤1‑3)得到的训练ET₀作为训练集的输出数据组，利用机器学习模型进行训练，建立研究区域的参考作物腾发量计算模型；2)对步骤1)建立的模型进行验证；具体步骤如下：2‑1)选取获取验证气象数据的气象站点；获取验证气象数据的气象站点为步骤1‑1)中未选中作为获取训练气象数据气象站点的剩余气象站点；2‑2)获取验证气象数据；重复步骤1‑2)，从步骤2‑1)选取的获取验证气象数据的气象站点获取气象数据与气象站点地理信息；每个气象站点选取的气象数据时间长度大于等于1年；将获取的气象数据记为验证气象数据；2‑3)重复步骤1‑3)，利用步骤2‑2)获取的验证气象数据计算验证ET₀；2‑4)重复步骤1‑4)，获取验证遥感数据；验证遥感数据选取与步骤1‑4)中训练遥感数据相同类型的遥感数据；2‑5)对步骤1)建立的模型进行验证；将验证遥感数据作为验证集的输入数据组输入步骤1)建立的模型，该模型输出对应的模型估算ET₀；使用精度评价指标，将模型估算ET₀与验证ET₀进行对比，评价模型精度；所述精度评价指标包括：均方根误差RMSE，相关系数CC和相对偏差BIAS，计算公式分别如下：式中，n为验证ET₀的个数，与模型估算ET₀的个数相同；P_i为第i个模型估算ET₀，A_i为第i个验证ET₀，P_mean为模型估算ET₀的均值，A_mean为验证ET₀的均值；将每个精度评价指标的计算结果与研究区域对于该精度评价指标设定的阈值进行比较并判定：若三个精度评价指标均符合对应的阈值要求，则模型验证完毕，步骤1)建立的模型即为最终得到的该研究区域参考作物腾发量计算模型，进入步骤3)；若任一精度评价指标不符合其对应的阈值要求，则重新返回步骤1‑4)，重新选取遥感数据类型，或重新返回步骤1‑5)更换机器学习模型，直到三个精度评价指标均符合对应的阈值要求，模型验证完毕，进入步骤3)；3)利用步骤2)验证完毕的模型，计算研究区域选定时间段内的参考作物腾发量；具体步骤如下：3‑1)选定实际使用需求的时间段，根据步骤1‑4)中确定的遥感数据类型，获取该时间段内对应的遥感数据；3‑2)将步骤3‑1)获取的遥感数据输入步骤2)验证完毕的模型，模型输出对应时间段内的ET₀，即为该研究区域选定时间段内遥感数据覆盖范围内的参考作物腾发量。