[发明专利]基于物联网和遥感反演的冬小麦晚霜冻害监测及产量预测方法

摘要

本发明公开了一种基于物联网和遥感反演的冬小麦晚霜冻害监测及产量预测方法，旨在解决不考虑冬小麦晚霜冻害影响，直接进行产量预测的技术问题。本发明设计了基于物联网和遥感反演的冬小麦晚霜冻害监测方法和冬小麦产量预测模型的构建方法，提供了冬小麦产量预测方法。本发明能准确、精确地监测冬小麦晚霜冻害的发生，将极端气候量化，为灾害及时检测及灾后补救提供决策指导和建议，降低极端气候对冬小麦产量的影响，进一步完善产量估测模型，为产量预测提供一种物联网与遥感数据相融合的方法，为河南省冬小麦生产智能决策诊断提供新思路，为农业生产决策提供指导和建议，为小麦生产和市场交易提供数据支撑。

主权项

1.一种基于物联网和遥感反演的冬小麦晚霜冻害监测方法，其特征在于，包括以下步骤：（1）测量记录或按下式计算某地冬小麦全生育期内的某天内每小时的表见气温T_i：——式（IV）；式中，T_max表示当天的最高气温，T_min表示当天的最低气温，T'_min表示第二天的最低气温，h₀表示该地当天日出时刻，h'₀表示该地当天日落时刻；（2）按下式计算极端低温FDD：——式（IX）；式中，T_crit表示冬小麦全生育期的最低气温界限值，在拔节期1～5天内T_crit取值为‑1.5℃，6～10天T_crit取值为‑0.5℃，11～15天T_crit取值为0.5℃，16天以后取值为1.5℃，T_i表示冬小麦全生育期内的某天内每小时的表见气温；（3）按下式计算晚霜冻害指数F：——式（VIII）；式中，f(Δd)是自变量为(Δd)的分段函数，其中，Δd为拔节期之后的天数；尚未到拔节期的，则Δd<0，经历过拔节的则Δd>0；FDD为极端低温，g(FDD)是自变量为FDD的分段函数；其中，当Δd为1～5时，f(Δd)取值为1，当Δd为6～10时，f(Δd)取值为2，当Δd为11～15时，f(Δd)取值为3，当Δd＞15时，f(Δd)取值为4；当FDD为[‑1/24,0)时，g(FDD) 取值为0，当FDD为(‑1,‑1/24)时，g(FDD) 取值为4，当FDD为[‑1,‑1/24)时，g(FDD) 取值为5，当FDD为(‑∞,‑1)时，g(FDD) 取值为9。