[发明专利]基于多情景模拟的像元尺度冬小麦单产遥感估算方法

说明书

本发明公开基于多情景模拟的像元尺度冬小麦单产遥感估算方法，包括基于作物生长模型的多情景区域冬小麦单产形成过程模拟数据集，区域冬小麦单产模型集构建，基于高分辨率遥感数据的区域冬小麦单产估算示范研究；通过野外实测数据和县级统计数据对高分辨率冬小麦单产分布估算结果进行验证评估。利用作物生长模型模拟结果可以有效进行单产回归建模，减少模型对地面样本的依赖性。通过搜集河北省冬小麦种植区多年历史气象资料、土壤类型参数、作物品种参数以及农田管理措施形成一套情景参数组，输入到WOFOST模型中得到不同情景下冬小麦的生长过程，没有使用任何地面样本进行修正，减少了人力和时间成本，提升了模型的可行性。

技术领域

本发明涉及遥感估算技术领域。具体地说是基于多情景模拟的像元尺度冬小麦单产遥感估算方法。

背景技术

进入21世纪以来，随着精准农业的快速发展，对于农作物单产估算的需求已经不仅仅满足于国家、省市等尺度的区域推算，而逐渐关注地块尺度的农作物单产水平。基于地面单产样本与遥感光谱信息构建统计回归模型进行估产精度较高，单产预测精度与地面样本间R²能达到0.9以上(Hunt等,2019)，但是此类方法样本需求量极大，在实际应用中存在样本采集困难、区域外推性差等缺陷。随着作物生长模型的不断完善，其模拟精度也越来越高，对于产量预期、水分调控、田间管理等精准农业的相关需求也更加契合。因此，遥感与作物生长模型的结合也就应运而生，前者获取目标区域内农作物生长状态的空间分布，后者提供目标区域内农作物生长状态的连续模拟，从一定程度来看二者几乎完美互补。现有模型主要聚焦于遥感数据与作物生长模型同化算法的研究，但是受限于作物生长模型繁复的本地化过程，遥感和作物生长模型同化的方法遇到了大范围适用性的难题，在不同区域存在较大的不确定性差异。综上所述，如何进一步走出“困局”，改变建模思路，充分地利用农学知识支持像元尺度单产遥感建模减少对地面样本的依赖，既适应当前深度学习等智能化算法，又能形成较强的区域适应能力，成为新形势下农作物单产遥感建模的核心关键。

发明内容

为此，本发明所要解决的技术问题在于提供一种基于多情景模拟的像元尺度冬小麦单产遥感估算方法，该方法利用作物生长模型模拟结果减少模型对地面样本的依赖性，减少了人力和时间成本，提升了模型的可行性；可以应用到不同的作物、不同的地区、不同的类型和获取时间的遥感观测数据，而不需要进行地面校准。

为解决上述技术问题，本发明提供如下技术方案：

基于多情景模拟的像元尺度冬小麦单产遥感估算方法，包括如下步骤：

(1)基于作物生长模型的多情景区域冬小麦单产形成过程模拟数据集：基于作物品种生长模型的生理学基础和模型结构，结合区域历史农业气象资料、土壤特征数据及农田管理措施，对整个区域内不同气候、环境、田间管理情景下的冬小麦单产的形成过程进行动态模拟，形成过程模拟数据集；

(2)区域冬小麦单产模型集构建：利用多情景区域冬小麦单产形成过程模拟数据集，筛选分析对最终单产具有明显影响/表征作用的遥感可反演的指标因子，并根据目标区域可用遥感影像的日期信息，确定对应日期内相应的指标因子与单产的量化关系，构建多时相单产估算模型集；通过袋外样本对模型集中的每个模型进行评估；

(3)基于高分辨率遥感数据的区域冬小麦单产估算示范研究：通过作物生长期内的区域高分辨率遥感影像反演获取冬小麦单产形成的关键指标因子，进而基于上述构建的冬小麦单产估算模型集，实现区域冬小麦单产空间分布制图；

(4)通过野外实测数据和县级统计数据对高分辨率冬小麦单产分布估算结果进行验证评估。

上述基于多情景模拟的像元尺度冬小麦单产遥感估算方法，在步骤(1)中：采用PCSE/WOFOST模型输入参数包括四个部分：气象资料、作物品种、土壤类型和管理措施；