申请/专利权人:中国农业大学
申请日:2022-11-02
公开(公告)日:2024-04-19
公开(公告)号:CN115753625B
主分类号:G01N21/17
分类号:G01N21/17;G06F30/27;G06N7/01
优先权:
专利状态码:有效-授权
法律状态:2024.04.19#授权;2023.03.24#实质审查的生效;2023.03.07#公开
摘要:本发明提供区域作物的产量估测方法、装置、电子设备及存储介质,包括:确定WOFOST模型的模型模拟误差Q;基于内外嵌套数据同化模型获得优化遥感观测误差R;其中,内外嵌套数据同化模型的内层采用集合卡尔曼滤波算法,外层采用最大似然函数形式的代价函数;利用遥感观测误差R得到LAI遥感观测集合,并将优化后的遥感观测误差R和模型模拟误差Q代入集合卡尔曼滤波同化算法,实现时间序列LAI的轨迹的优化,并采用优化的LAI驱动WOFOST模型进行作物产量估测。本发明基于内外嵌套数据同化模型,克服了遥感与作物模型数据同化系统中遥感观测误差和模型模拟误差难以定量化的瓶颈问题,提高了区域作物的产量估测精度。
主权项:1.一种区域作物的产量估测方法,其特征在于,包括:基于站点实测LAI和产量数据,对WOFOST模型进行标定,获得所述WOFOST模型的预设参数的后验概率分布;基于所述后验概率分布采样得到WOFOST模型的模拟LAI集合以及所述WOFOST模型的模型模拟误差Q;基于内外嵌套数据同化模型获得优化后的遥感观测误差R;其中,所述内外嵌套数据同化模型的内层采用集合卡尔曼滤波算法,所述内外嵌套数据同化模型的外层采用最大似然代价函数;利用所述遥感观测误差R得到LAI遥感观测集合,并将所述遥感观测误差R和所述模型模拟误差Q代入集合卡尔曼滤波算法,实现LAI的优化,并基于优化的LAI驱动所述WOFOST模型进行作物产量估测;其中,代价函数的表达式为: ;其中, ; ;式中,为状态变量;为模型模拟状态变量;为遥感观测状态变量;为模型模拟误差协方差;R为遥感观测误差协方差。
全文数据:
权利要求:
百度查询: 中国农业大学 区域作物的产量估测方法、装置、电子设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。