[发明专利]一种作物灾害损失快速评估方法有效
申请号: | 201910076851.7 | 申请日: | 2019-01-27 |
公开(公告)号: | CN109711102B | 公开(公告)日: | 2020-07-31 |
发明(设计)人: | 张朝;张亮亮;陶福禄;骆玉川;李子悦 | 申请(专利权)人: | 北京师范大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F17/18;G06Q50/02 |
代理公司: | 北京尚德技研知识产权代理事务所(普通合伙) 11378 | 代理人: | 严勇刚;何春兰 |
地址: | 100875 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 作物 灾害 损失 快速 评估 方法 | ||
1.一种作物灾害损失快速评估方法,包括如下步骤:
步骤S1:将需要评估的地区的土壤数据,气象数据和作物的农业生产数据,输入DSSAT系统中,分别生成可供调用的土壤文件S,气象文件W和作物文件A;通过GLUE参数估算工具,对前面生成文件S,W和A进行调用计算,计算获得包含该地区作物品种参数的标定值的标定数据文件C;通过DSSAT系统的作物模型调用前述的土壤文件S、气象文件W、作物文件A以及获得的标定数据文件C进行模拟计算,获得与逐日LAI对应的LAI文件以及与产量对应的产量文件Y;其中,LAI表示的是叶面积指数;
步骤S2:设定将该地区多年积温距平值作为灾害指标H;
步骤S3:以作物的峰值生长期为中心,前后各30天选择两个时间窗口,从LAI文件中获取两个窗口对应的每天的LAI;然后从产量文件Y中获取各情景类别的产量Yield为因变量,以前窗口中一天的LAId1、后窗口中一天的LAId2和灾害指标H为自变量,建立下述线性回归方程,然后将求得的该线性回归方程的系数以及对应的前后窗口LAI的日期保存起来:
Yield=β0,d+β1,d*LAId1+β2,d*LAId2+β3*H
式中:Yield为各情景类别下的产量,LAId1和LAId2分别为各情景类别下前窗口和后窗口中第d天的LAI,H为灾害指标;其中,β0,d、β1,d、β2,d、β3分别为该线性回归方程的系数;
步骤S4:基于GEE获取的该地区的卫星图像,分别获取两个时间窗口内的每个像元的最大动态植被指数WDRVI和对应的日期的图像;并将WDRVI转换为LAI;
步骤S5:依据前后窗口LAI对应的日期,从步骤S3中获得的线性回归方程的系数,然后基于GEE卫星图像得到的两个窗口的LAI以及实际气象数据得到的灾害指标H逐像元计算产量,最后计算相对于上一年的产量变化得到本次灾害的相对产量损失。
2.如权利要求1所述的方法,其特征在于,所述步骤S5中计算相对产量损失的公式为:
式中:LR为相对产量损失,Yl为上一年的产量,且该年为无灾害年份,Yn为发生灾害的年份的产量;至此,作物灾害损失快速评估过程完成。
3.如权利要求1所述的方法,其特征在于,所述步骤S1中进一步包括如下步骤:
设置多种灾害情景和管理情景的情景类别,将每种情景类别对应的气象文件W、作物文件A、土壤文件S以及标定数据文件C,通过DSSAT中的作物模型进行调用计算,获得与所述情景类别数量相同的多个LAI文件和产量文件Y。
4.如权利要求1所述的方法,其特征在于,所述步骤S4中将WDRVI转换为LAI的具体计算公式为:
WDRVI=-0.681+1.437(1-e-0.351LAI)
式中:WDRVI为最大动态植被指数,LAI为叶面积指数,ρNIR为传感器载荷所测得的近红外波段反射率,ρRED为红光波段反射率,α为常数,α=0.2。
5.如权利要求1所述的方法,其特征在于,所述步骤S5中进一步包括如下步骤:在通过GEE卫星图像获取前后窗口LAI对应的日期之后,根据前后窗口LAI对应的日期计算对应组合日期的回归系数,逐像元计算产量,最后得到灾害年份的产量制图。
6.如权利要求5所述的方法,其特征在于,所述步骤S5中,上一年的产量计算过程中,从模拟情景中剔除冷害情景,只模拟不同的管理情景来获得回归系数矩阵,得到无灾害年份的产量制图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京师范大学,未经北京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910076851.7/1.html,转载请声明来源钻瓜专利网。