[发明专利]基于网格化区域气象条件预测烟叶产量的方法

权利要求书

1.基于网格化区域气象条件预测烟叶产量的方法，其特征在于，包括：

获取待预测烟叶产量的烟地区域，所述烟地区域为根据网格1×1划分的种植烟草的某网格区域，所述烟地区域信息包括位置信息；

根据所述烟地区域的位置信息调用对应的烤烟产量预测模型；

获取所述烟地区域对应的气象数据，并将所述气象数据输入到所述烤烟产量预测模型中，计算所述烟地区域对应的烟叶产量。

2.根据权利要求1所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述烟地区域对应的气象数据的获取方法为：

获取原始气象要素数据，形成5km分辨率的气象要素产品；

将5km分辨率的气象要素产品，运用反距离权重法插值到1km分辨率的区域网格上，再利用回归模型对插值后的预报值进行订正，得到分辨率为1km的气象要素；

将分辨率为1km的网格数据，运用双线性插值的方法插值到烟地的几何中心位置，将气象要素精确匹配到烟地。

3.根据权利要求2所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述反距离权重法包括：

设有n个点，平面坐标为(x_i,y_i)，垂直高度为z_i，i＝1,2,…,n，倒数距离加权插值的插值函数为：

其中，

式中，f(x,y)为插值，w(d_j)为计算格点/站点所取权重，Z为估计点的要素值，Zi为第i个站点上要素值，di为插值点到第i点的距离，n为插值格点总数，p为加权幂指数。

4.根据权利要求2所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述订正的公式为：

Y_i＝aX_i+b

式中，X_i是模式预报插值后的时间序列，Y_i是对应站点的观测值时间序列，在训练期内确定回归系数a、b。

5.根据权利要求2所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述双线性插值的方法为：

R₁＝(x,y₁)

R₂＝(x,y₂)

式中，x是待插值p点的经度，y是p点纬度，x1，x2是P点四周网格点的经度，y1，y2是P点四周网格点的纬度，f(Q₁₁)，f(Q₂₁)，f(Q₁₂)，f(Q₂₂)是周围四个网格点的气象要素值，R₁和R₂是和P点相同经度上，网格线上两个点的气象要素值，f(R1)和f(R2)为计算中间变量，用于计算f(P)。

6.根据权利要求1所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述烤烟产量预测模型包括第一BP神经网络预测模型和第二BP神经网络预测模型，当所述烟地区域处于第一预定区域时，调用所述第一BP神经网络预测模型作为烤烟产量预测模型，当所述烟地区域处于第二预定区域时，调用所述第二BP神经网络预测模型作为烤烟产量预测模型。

7.根据权利要求6所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述第一BP神经网络预测模型的构建方法如下：

采集烟地区域历史烟叶产量作为第一因变量；

采集烟地区域第一历史气象数据作为第一自变量，所述第一历史气象数据包括3～9月逐旬的平均气温、平均最高气温、平均最低气温、日照时数和降水量；

将所述第一自变量作为网络输入值，所述第一因变量作为网络预测值训练BP神经网络得到第一BP神经网络预测模型。

8.根据权利要求6所述的基于网格化区域气象条件预测烟叶产量的方法，其特征在于，所述第二BP神经网络预测模型的构建方法如下：

采集烟地区域历史烟叶产量作为第二因变量；

采集烟地区域第二历史气象数据作为第二自变量，所述第二历史气象数据包括烟草成熟期气温、旺长期降雨量、大田期日照时数和大田生长期可用时间；

将所述第二自变量作为网络输入值，所述第二因变量作为网络预测值训练BP神经网络得到第二BP神经网络预测模型。