[发明专利]基于全局优化算法的农田组分温度反演方法

权利要求书

1.基于全局优化算法的农田组分温度反演方法，其特征在于：将多角度热红外辐射通量密度测量值及其标准差，以及农田组分温度的先验估计值及其标准差作为输入数据，使用多角度热红外辐射通量密度测量值误差分布的协方差矩阵和组分温度先验值误差分布的协方差矩阵构建目标函数，借助全局优化算法模拟退火法对目标函数进行极小化得到农作物叶片和土壤的温度，并通过计算后验概率分布的协方差矩阵来对反演结果进行评价，该方法具体步骤如下：

步骤一：数据输入：输入m个不同角度下的热红外辐射通量密度测量值y₁，y₂，…，y_m及其标准差σ₁，σ₂，…，σ_m，以及叶片和土壤温度的先验估计值x_l^o与x_s^o及其标准差σ_l与σ_s，并构造下述向量和矩阵：

y_meas＝(y₁,y₂,…,y_m)^T  （1）

x_prior＝(x_l^o,x_s^o)^T  （2）

Cx=σl2γlsγslσs2---(4)]]>

其中，y_meas∈R^m，是实际测量得到的多角度热红外辐射通量密度值组成的向量；x_prior∈R²，是叶片和土壤温度先验值组成的向量；C_n∈R^m×m，是实际测量得到的多角度热红外辐射通量密度误差分布的协方差矩阵，它是一个对称矩阵，其对角线元素为各角度下热红外辐射通量密度误差分布的方差，非对角线元素为各角度间热红外辐射通量密度误差分布的的协方差；C_x∈R^2×2，是叶片和土壤温度先验值误差分布的协方差矩阵，它同样是一个对称矩阵，其对角线元素为叶片和土壤温度先验值误差分布的方差，非对角线元素为叶片和土壤温度间先验值误差分布的协方差；

步骤二：目标函数定义：使用多角度热红外辐射通量密度测量值误差分布的协方差矩阵和组分温度先验值误差分布的协方差矩阵构建目标函数f(x)：

f(x)=12(y(x)-ymeas)TCn-1(y(x)-ymeas)+12(x-xprior)TCx-1(x-xprior)+Pl+Ps---(5)]]>

式中，x∈R²，是叶片和土壤温度组成的输入参数向量；y(x)∈R^m，是农作物热红外辐射传输模型计算得到的多角度热红外辐射通量密度值组成的向量；P_l和P_s分别为叶片温度和土壤温度的越界惩罚项，其计算公式为：

Pl=w×(xl-xlmax)2,ifxl>xlmaxw×(xlmin-xl)2,ifxl<xlmin0,otherwise---(6)]]>

Ps=w×(xs-xsmax)2,ifxs>xsmaxw×(xsmin-xs)2,ifxs<xsmin0,otherwise---(7)]]>

其中，w为惩罚因子；x_l和x_s分别为叶片温度和土壤温度；x_l^min和x_l^max分别为叶片温度的下边界和上边界；x_s^min和x_s^max分别为土壤温度的下边界和上边界；

步骤三：迭代优化：在传统的多维下降单纯形法的基础上，引入温度控制参数T，构建全局优化算法模拟退火法来对目标函数f(x)进行极小化；将使得目标函数f(x)取得极小值时的一组叶片、土壤温度值作为反演结果，记为x^*：

x^*＝(T_l^*,T_s^*)^T  （8）

式中，T_l^*为叶片温度反演值，T_s^*为土壤温度反演值；

步骤四：反演精度评价：构建后验概率分布的协方差矩阵C_post：

C_post＝[h(x^*)C_n^-1h(x^*)^T+C_x^-1]^-1  （9）

式中，h(x^*)∈R^2×m，是农作物热红外辐射传输模型在反演值x^*处的雅克比矩阵，其计算公式如下：

h(x*)=∂y1(x*)∂xl∂y2(x*)∂xl···∂ym(x*)∂xl∂y1(x*)∂xs∂y2(x*)∂xs···∂ym(x*)∂xs---(10)]]>

其中，y₁(x^*)，y₂(x^*)，…，y_m(x^*)是在x^*处m个不同角度下的热红外辐射通量密度的模型计算值。