[发明专利]一种冬小麦气象产量预测方法及系统

权利要求书

1.一种冬小麦气象产量预测方法，其特征在于，包括：

对基于预设时间序列的冬小麦MODIS遥感数据进行波段运算，获取冬小麦目标研究区域的MODIS遥感信息特征；

根据所述预设时间序列划分时间段，采集所述冬小麦目标研究区域的环境数据和管理数据，并输入到WOFOST模型中，获取在不同时间段中冬小麦生长时期的WOFOST模拟量特征；

将所述MODIS遥感信息特征和所述WOFOST模拟量特征输入到训练好的冬小麦气象产量预测模型中，获取所述冬小麦目标研究区域的气象产量预测结果，其中，所述训练好的冬小麦气象产量预测模型是由样本MODIS遥感信息特征、样本WOFOST模拟量特征和样本气象产量特征，对长短时记忆神经网络进行训练得到的。

2.根据权利要求1所述的冬小麦气象产量预测方法，其特征在于，所述训练好的冬小麦气象产量预测模型是通过以下步骤训练得到：

对基于预设时间序列的MODIS遥感数据进行波段运算，得到归一化植被指数和归一化植被水分指数，并绘制频率直方图，获取所述频率直方图的频率值，构建样本MODIS遥感信息特征；

根据所述预设时间序列划分时间段，提取得到每个时间段对应的冬小麦拔节到抽穗期中各个穗分化期的WOFOST模拟量，构建样本WOFOST模拟量特征，所述样本WOFOST模拟量特征包括作物生长进程、叶面积指数、干物质量和生理作用特征；

根据气象产量数据，构建样本气象产量特征；

将所述样本MODIS遥感信息特征、样本WOFOST模拟量特征和样本气象产量特征输入长短时记忆神经网络进行训练，得到训练好的冬小麦气象产量预测模型。

3.根据权利要求2所述的冬小麦气象产量预测方法，其特征在于，所述根据气象产量数据，构建样本气象产量特征，包括：

根据5a滑动平均法，对冬小麦实际单产样本数据进行去趋势处理，得到趋势产量；

根据所述实际单产样本数据与所述趋势产量之差，获取气象产量数据，构建样本气象产量特征。

4.根据权利要求1所述的冬小麦气象产量预测方法，其特征在于，在所述根据所述预设时间序列划分时间段，采集所述冬小麦目标研究区域的环境数据和管理数据，并输入到WOFOST模型中，获取在不同时间段中冬小麦生长时期的WOFOST模拟量特征之前，所述方法还包括：对WOFOST模型进行本地化标定。

5.根据权利要求1所述的冬小麦气象产量预测方法，其特征在于，所述长短时记忆神经网络包括1个输入层、5个隐藏层、1个全连接层和1个输出层，其中，所述输入层通过中心化对数据进行标准化处理，将数据转换为标准正态分布。

6.根据权利要求1所述的冬小麦气象产量预测方法，其特征在于，所述对基于预设时间序列的冬小麦MODIS遥感数据进行波段运算之前，所述方法还包括：

对基于预设时间序列的冬小麦MODIS遥感数据进行镶嵌、投影和裁剪处理。

7.根据权利要求1所述的冬小麦气象产量预测方法，其特征在于，所述对基于预设时间序列的MODIS遥感数据进行波段运算，得到归一化植被指数和归一化植被水分指数，包括：

根据MOD09A1中近红外波段1的像素值和红光波段的像素值，得到归一化植被指数，公式为：

NDVI＝(NIR1-R)/(NIR1+R)；

根据MOD09A1中近红外波段1的像素值和近红光波段2的像素值，得到归一化植被水分指数，公式为：

NDWI＝(NIR1-NIR2)/(NIR1+NIR2)；

其中，NDVI表示归一化植被指数，NDWI表示归一化植被水分指数；R表示红光波段的像素值，对应MOD09A1第1波段原始有效值；NIR1表示近红外波段1的像素值，对应MOD09A1第2波段原始有效值；NIR2表示近红外波段2的像素值，对应MOD09A1第5波段原始有效值。