一种大田粮食作物产量年际预测模型构建方法与流程

本发明属于农作物产量预测领域，特别涉及一种大田粮食作物产量年际预测模型构建方法。

背景技术：

1、近些年来，农作物产量预测已经成为农业科学领域的研究热点，对解决粮食生产问题也具有关键性作用。因此，对产量进行精准预测、促进大田粮食作物产量发展是我国实施精准农业的新要求，准确、及时地对农作物产量进行预测对国家制定相关粮食政策具有重大意义。

2、常规的估产方式有基于历史产量的统计学方法，基于样方数据分析的样方调查法和基于实地调查的专家经验法，以此实现产量预测的模式。但是常规估产的方式工作量大，效率较低。样方调查法“以点代面”，专家经验法主观性强，其实际意义和能实现的估产目标远达不到相应的要求，阻碍了作物估产的规模化发展。

3、现有阶段利用遥感数据季内预测作物产量已具备可行性。目前已经实现的遥感估产手段可以分为作物模型和经验模型。基于生理生态机理的作物模型，通过模拟和预测作物生长和发育，或作物模型结合大量高效获取的遥感数据，通过同化算法，可以模拟生成产量。虽然作物模型以机理性作为优势，但预测中参数复杂，需要大量来自实地考察的数据，参数本地化复杂、获取难度大、耗时耗力，使得模型运行效率低。因此与基于过程的作物模型相比，统计模型在大规模产量预测中应用更为广泛。其中基于遥感信息的回归模型和结合遥感信息和环境因素的机器学习算法结构简单，可以达到较好的预测效果。但受限于特定的研究区域和生长季节，前者易受植被指数饱和的影响，适用性较差，后者因为大量数据的输入，计算复杂且消耗算力。

4、因此，虽然基于遥感技术预测产量的方式逐步成熟，但受限于模型本身数据需求，或受限于模型架构无法满足模型的时空扩展，在确保估产精度的前提下，难以在年际和区域尺度上进行泛化。为了满足大区域的应用需求，如何依赖卫星遥感数据，构建一个跨年际和区域的高效的产量模型成为已是农作物产量预测研究焦点之一。

技术实现思路

1、为了解决上述技术问题，本发明综合考虑作物生长规律和气候因素的影响，结合卫星观测数据和区域气象信息，提出一种大田粮食作物产量年际预测模型构建方法，其通用性强、跨地域性好、输入简单，适用于大空间尺度产量预测，可以在收获前三至四周实现产量的精准预测，为农业生产提供决策依据和科学指导，促进粮食增收。

2、本发明中主要采用的技术方案为：

3、一种大田粮食作物产量年际预测模型构建方法，具体步骤如下：

4、s1：获取卫星遥感数据，预处理得到作物生育期内植被指数最佳点以及关键营养生长阶段p1和生殖生长阶段p2对应的遥感数据；

5、s2：获取历史气象数据和预报数据，处理得到作物各生长阶段的月均相关气象指数；

6、s3：将气象数据和卫星遥感数据进行分层嵌套，构建多层回归的产量预测模型；

7、s4：根据实测产量数据集获取产量预测模型的全局最优参数，得到最终的产量预测模型。

8、优选地，步骤s1的具体方法如下：

9、s1-1：根据作物年际生长特点，确定作物关键生长阶段中的关键营养生长阶段p1以及生殖生长阶段p2对应的日期；

10、s1-2：获取作物的地表反射率影像数据集，并基于地表反射率影像数据集计算植被指数vi，获取所选时间范围内的植被指数vi；

11、s1-3：将获取的植被指数vi拟合成一条时间序列的指数曲线，其中，指数曲线的起始时间为作物关键营养生长阶段p1起始日期，终止时间为作物生殖生长阶段p2预计结束日期；

12、s1-4：选取指数曲线上的植被指数最大值，记为vimax，表示作物生长最大程度；

13、s1-5：分别对关键营养生长阶段p1和生殖生长阶段p2计算植被指数的均值，其中，关键营养生长阶段p1的植被指数均值记为vimean1，表示前期作物长势程度；生殖生长阶段p2的植被指数均值记为vimean2，表示后期作物产量形成程度。

14、优选地，步骤s2的具体方法如下：

15、s2-1：获取包含有对作物产量有影响的气象类型的再分析数据集和天气预报数据，获取当前的月均相关气象数据量；

16、s2-2：根据作物关键生长阶段的月份，计算最近十年对应月份的逐月月均相关气象数据量平均值；

17、s2-3：将当前的月均相关气象数据量与十年的逐月月均相关气象数据量平均值相除，获得最终的逐月的月均相关气象指数；

18、s2-4：获取关键营养生长阶段p1和生殖生长阶段p2各自对应的月均相关气象指数。

19、优选地，步骤s3中将植被指数与月均相关气象指数相结合，进行分层嵌套，将气象数据作为影响因子，调控不同地点作物植被指数与产量之间的关系，引入分层线性模型hlm分析不同层次预测变量对预测值的影响，构建多层结构的产量预测模型。

20、优选地，步骤s3中构建的产量预测模型具体结构如下：模型level-1层，包括植被指数vimax、vimean1和vimean2，具体表示为：（1）；式中，yield表示作物产量，vimean1表示关键营养生长阶段p1的前期作物长势情况；vimax表示作物生长最大程度；vimean2表示生殖生长阶段p2的后期作物产量形成程度，表示截距，、、表示模型的回归系数，r表示模型level-1层的随机误差；模型level-2层，level-1层的、、、参数均为因变量，以月均相关气象指数对因变量进行调整：（2）；式中，分别表示level-1中的、、、；表示截距；表示随机误差，表示第 i个月均相关气象指数的斜率，n表示月均相关气象指数mi的个数；对于，j的变化使n和月均相关气象指数mi也随之变化，对于和vimax对应的系数，月均相关气象指数mi为关键生长阶段的逐月的月均相关气象指数；对于vimean1对应的系数，月均相关气象指数mi是指关键营养生长阶段p1的月均相关气象指数；对于vimean2对应的系数，月均相关气象指数mi是指生殖生长阶段p2的月均相关气象指数。优选地，步骤s4中产量预测模型的参数求解方法如下：实测产量数据集中的每一条数据中的指标均包括：产量，vimax，vimean1，vimean2和关键生长阶段的月均相关气象指数，基于上述数据集，采用非线性规划的极值求解，设置目标误差和迭代计算的次数，通过输入实测产量数据集，经迭代确定全局最优的参数，实现产量预测模型的构建。

21、有益效果：本发明提供一种大田粮食作物产量年际预测模型构建方法，与现有技术相比，具有如下优点：（1）本发明基于卫星遥感和区域气象数据，通过将气象数据与历年平均值的比较反映了气象条件偏离正常状况的程度，充分考虑作物生长过程受气象条件的影响效果，通过分层的方式耦合遥感和气象数据，实现了作物产量的大范围的高精度预测。

22、（2）本发明构建的模型所需参数易于获取，计算简便，尤其可供选择的遥感数据源丰富，随着卫星遥感重访周期的不断缩短及传感技术的不断更新，该方法构建的高通用性强且结构简单的产量预测模型，为及时高效预测产量提供了较好的解决方案，预测的产量信息可以为农业生产提供决策依据和科学指导，促进大田粮食增收，具有良好的应用前景和巨大的市场价值。