本發(fā)明涉及農業(yè)監(jiān)測，尤其涉及一種基于無人機遙感與wofost的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法。

背景技術：

1、對玉米進行精細估產(chǎn)對企業(yè)來說有助于進行農業(yè)生產(chǎn)規(guī)劃并提供保險服務，對農戶而言有利于提高種植收益并對種植風險提前預防，對國家而言有助于提高國際糧食市場的參與度。通過科學、精準的估產(chǎn)手段，能夠提升農業(yè)產(chǎn)業(yè)鏈的整體效率與韌性，助力農業(yè)可持續(xù)發(fā)展。但隨著農村人口向城市流動，農村的主要勞動力已經(jīng)出現(xiàn)了不足的趨勢，無人農場的推廣無疑可以極大的節(jié)省人力物力。我國目前對于作物估產(chǎn)的研究多停留在大尺度的范圍，對于小尺度農場的研究尚且不足，利用衛(wèi)星遙感影像數(shù)據(jù)會受限于云量制約和拍攝周期長。

2、傳統(tǒng)的玉米估產(chǎn)是采用人工區(qū)域調查方法，層層上報，效率低下，該方法速度慢、工作量大、成本高、而且由于數(shù)據(jù)的人工匯總，造假，瞞報，信息不準確的情況嚴重。現(xiàn)代遙感技術具有宏觀、快速、準確、動態(tài)的優(yōu)點，近些年來被廣泛應用于各種糧食玉米產(chǎn)量的估算之中。目前估產(chǎn)領域的研究大多是針對大田作物利用衛(wèi)星遙感數(shù)據(jù)進行產(chǎn)量估算，利用無人機遙感數(shù)據(jù)對精細田塊進行產(chǎn)量估算的少之又少，千畝級農場因其單個地塊小的特點，更適用于無人機遙感數(shù)據(jù)進行產(chǎn)量監(jiān)測。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于無人機遙感與wofost的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法，該方法能使用少量樣本對玉米進行估產(chǎn)，而且精確度高、適應性強，從而解決現(xiàn)有技術中存在的不足。

2、為了實現(xiàn)上述目的，本發(fā)明采用的技術方案如下：

3、本發(fā)明第一方面提供了一種基于無人機遙感與wofost的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法，包括以下步驟：

4、步驟1、獲取玉米不同生育期氣象數(shù)據(jù)、土壤數(shù)據(jù)、田間管理記數(shù)據(jù)、玉米品種參數(shù)、樣本實測點數(shù)據(jù)和無人機影像，并對所述無人機影像進行預處理；

5、步驟2、將玉米不同生育期的無人機處理影像進行重采樣處理，重采樣為像元大小相同米尺度分辨率影像，進行植被指數(shù)計算，計算獲得的植被指數(shù)分別與lai參數(shù)和tagp參數(shù)進行敏感性分析，獲得相關性強植被指數(shù)，所述相關性強植被指數(shù)與使用實測數(shù)據(jù)訓練的機器學習模型進行l(wèi)ai參數(shù)和tagp參數(shù)的反演，將反演的lai參數(shù)和反演的tagp參數(shù)以數(shù)組的形式儲存，敏感性超出0.4的植被指數(shù)作為相關性強植被指數(shù)；

6、步驟3、用sobol算法對所述玉米品種參數(shù)進行敏感性分析，計算敏感參數(shù)，得到所述敏感參數(shù)后，用mcmc方法對所述敏感參數(shù)進行標定，所述敏感參數(shù)為：全局敏感度超過0.05的參數(shù)；

7、步驟4、使用獲取的所述氣象數(shù)據(jù)、所述土壤數(shù)據(jù)、所述田間管理記錄數(shù)據(jù)、校準后的敏感參數(shù)、反演的數(shù)組形式的lai參數(shù)和tagp參數(shù)作為wofost模型的變量驅動進行玉米生長期模擬(模型計算)，使用mapreduce并行計算方法對玉米生長期模擬中的觀測值進行逐像素計算，在計算過程中用影像反演的lai和tagp對玉米生長期模擬中的lai和tagp進行數(shù)據(jù)同化校正模型，通過設定計時器進行模型日循環(huán)模擬直至結束所述玉米生長期模擬，得到模擬的玉米產(chǎn)量并通過逐像素運算的方式進行產(chǎn)量制圖；

8、步驟5、用實測的玉米產(chǎn)量和所述模擬的玉米產(chǎn)量進行所述wofost模型的精度檢驗，評價所述wofost模型的模擬效果。

9、在一種可能的實現(xiàn)中，所述步驟1中包括以下步驟：

10、采集玉米不同時期的所述無人機影像、所述氣象數(shù)據(jù)、所述土壤數(shù)據(jù)、田間管理記數(shù)據(jù)、所述玉米品種參數(shù)與所述樣本實測點數(shù)據(jù)；

11、對所述無人機影像進行幾何校正、輻射校正和影像拼接。

12、在一種可能的實現(xiàn)中，所述步驟2中包括以下步驟：

13、將玉米不同生育期的無人機處理影像進行重采樣處理，重采樣為像元大小相同米尺度分辨率影像；

14、通過無人機影像中的藍、綠、紅、紅邊、近紅外五個波段，計算玉米不同生育期的植被指數(shù)；

15、計算獲得的植被指數(shù)分別與lai參數(shù)和tagp參數(shù)進行敏感性分析，敏感性超出0.4的植被指數(shù)作為相關性強植被指數(shù)；

16、玉米不同生育期樣本實測點計算的相關性強植被指數(shù)和實測lai參數(shù)、tagp參數(shù)進行機器學習模型訓練，其中70％樣本用于建立模型，30％樣本用于驗證模型；

17、利用所述無人機影像計算的相關性強植被指數(shù)與機器學習模型進行l(wèi)ai參數(shù)和tagp參數(shù)的反演；

18、將反演的lai和反演的tagp轉化成數(shù)組形式進行存儲。

19、在一種可能的實現(xiàn)中，所述步驟5中包括以下步驟：

20、計算所述模擬的玉米產(chǎn)量的模擬值與所述實測的玉米產(chǎn)量的實測值的r2，評價所述wofost模型的模擬效果。

21、本發(fā)明的有益效果為：

22、通過準確估算玉米產(chǎn)量，政府和農業(yè)部門可以制定有效的糧食政策，確保人民的食物需求得到滿足。作物估產(chǎn)為農業(yè)決策提供了基礎數(shù)據(jù)。農民、農業(yè)合作社和政府可以根據(jù)估產(chǎn)結果調整播種面積、施肥、灌溉和收獲計劃，以最大限度地提高農玉米產(chǎn)量。準確估算玉米產(chǎn)量有助于規(guī)劃糧食倉儲和分配。政府可以根據(jù)估產(chǎn)數(shù)據(jù)合理分配糧食，確保糧食供應充足。作物估產(chǎn)可以幫助農民優(yōu)化農田管理。例如，根據(jù)估產(chǎn)結果，農民可以調整灌溉計劃、施肥時間和收獲時機，從而提高玉米產(chǎn)量。作物估產(chǎn)對農業(yè)保險至關重要。保險公司可以根據(jù)估產(chǎn)數(shù)據(jù)制定保險政策，幫助農民應對自然災害和其他風險。

技術特征：

1.一種基于無人機遙感與wofost的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的基于無人機遙感與wofost的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法，其特征在于，所述步驟1中包括以下步驟：

3.根據(jù)權利要求1所述的基于無人機遙感與wofost的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法，其特征在于，所述步驟2中包括以下步驟：

4.根據(jù)權利要求1所述的基于無人機遙感與wofost的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法，其特征在于，所述步驟5中包括以下步驟：

技術總結
本發(fā)明公布基于無人機遙感與WOFOST的米尺度玉米產(chǎn)量雙參數(shù)同化估算方法，屬于農業(yè)監(jiān)測技術領域，所述方法包括：獲取玉米不同生育期的氣象數(shù)據(jù)、土壤數(shù)據(jù)、田間管理記錄數(shù)據(jù)、玉米品種參數(shù)、樣本實測點數(shù)據(jù)、預處理的無人機影像；重采樣無人機影像，計算相關植被指數(shù)并與LAI和TAGP進行敏感性分析，獲得相關性強植被指數(shù)并與模型進行LAI和TAGP的反演，反演后轉為數(shù)組形式；獲取玉米品種參數(shù)的敏感參數(shù)并校準；氣象數(shù)據(jù)、土壤數(shù)據(jù)、田間管理記錄數(shù)據(jù)、校準后敏感參數(shù)、數(shù)組形式的LAI和TAGP為WOFOST輸入?yún)?shù)，模擬玉米生長期并逐像素計算，模擬結束得到模擬玉米產(chǎn)量并評價效果。該方法用于需精細尺度單產(chǎn)估算場景。

技術研發(fā)人員：劉哲,胡嘉龍,劉筠羿,侯憲鵬,薛一純,姚宇,張曉東,李紹明,趙圓圓
受保護的技術使用者：中國農業(yè)大學
技術研發(fā)日：
技術公布日：2024/10/10