买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京市农林科学院智能装备技术研究中心

摘要：本发明提供一种多源数据驱动混合机理学习模型的小麦产量预测方法，属于作物产量预测技术领域，该方法包括：获取小麦在不同生长阶段的图像、实测冠层覆盖度、实测生物量、模型运行数据和气象因子数据；对图像进行图像分割，获得第一冠层覆盖度CC；基于模型A运行数据获取模拟CC，对模拟CC进行数据同化获得第二CC，使用模型预测获得第三CC；基于模型B运行数据获取模拟叶面积指数LAI，并将第三CC转换为第一LAI，基于第一LAI对模拟LAI进行数据同化获得第二LAI，使用模型预测获得第一生物量；基于模型C运行数据获取第二模拟生物量，并基于第一生物量对第二模拟生物量进行数据同化获得第二生物量，使用模型获得预测产量。

主权项：1.一种多源数据驱动混合机理学习模型的小麦产量预测方法，其特征在于，包括：获取小麦在不同生长阶段的图像、实测冠层覆盖度、实测生物量、模型运行数据和气象因子数据，所述模型运行数据至少包括气象数据、土壤数据、作物数据和管理数据，所述气象因子数据至少包括平均温度数据和太阳辐射数据；对所述小麦在不同生长阶段的图像进行图像分割，获得第一冠层覆盖度；基于所述模型运行数据，运行Aquacrop作物模型获取模拟冠层覆盖度，并基于所述第一冠层覆盖度对所述模拟冠层覆盖度进行数据同化，获得第二冠层覆盖度；基于所述第二冠层覆盖度、所述实测冠层覆盖度和所述平均温度数据，级联第一机器学习模型进行预测，获得修正后的第三冠层覆盖度；基于所述模型运行数据，运行WOFOST模型获取模拟叶面积指数，并将所述修正后的第三冠层覆盖度转换为第一叶面积指数，基于所述第一叶面积指数对所述模拟叶面积指数进行数据同化，获得第二叶面积指数；基于所述第二叶面积指数，使用WOFOST模型获取第一模拟生物量，并基于所述第一模拟生物量，所述实测生物量和所述太阳辐射数据，使用第二机器学习模型预测获得修正后的第一生物量；基于所述模型运行数据，运行CERES-Wheat模型获取第二模拟生物量，并基于所述修正后的第一生物量对所述第二模拟生物量进行数据同化，获得第二生物量；基于所述第二生物量，运行CERES-Wheat模型获取模拟产量，并基于所述模拟产量、所述修正后的第三冠层覆盖度、所述第一生物量和所述气象因子数据，使用第一深度学习模型预测获得预测产量；所述AquaCrop模型如下公式获取模拟冠层覆盖度： ； ；式中，为冠层覆盖度，e代表自然常数，t为从出苗开始累积的时间，为初始冠层覆盖度，一般取90%出苗时的平均幼苗覆盖度，为冠层覆盖度达到最大时的值，CGC为冠层覆盖度增加速率，表示单位生长度日冠层覆盖度的增加量，CDC为冠层覆盖度衰减速率，表示单位生长度日冠层覆盖度的减少量；土壤水分胁迫下对CGC和CDC修正公式如式为： ； ；式中，和分别表示受水分胁迫影响的CGC和CDC，为水分对冠层覆盖增加的胁迫系数，为水分对冠层覆盖减少的胁迫系数；在WOFOST模型中，生理衰老对叶片枯死速率的影响也被考虑在内，其中叶龄是温度的函数： ； ；式中，为t时刻的叶龄，为时刻的叶龄，为时间差，和x为生理衰老系数，T和分别为日平均气温和生理衰老下限温度；叶面积指数LAI通过除去叶片自身生理衰老或受水分胁迫等原因造成死亡的叶片重后剩余的叶片重LVt与比叶面积SLA计算得到： ；CERES-Wheat为光能因子驱动模型，干物质累积由光能驱动光合作用而形成，CERES-Wheat模型可以通过能量转换方法获得潜在干物质量，公式如下： ；式中，PCARB为潜在干物质量，PAR为光合有效辐射，e代表自然常数，LAI为叶面积指数考虑温度、水分和养分等胁迫因子的影响后，实际干物质模拟的公式为： ；式中，CARBO为实际干物质，PCARB为潜在干物质量，分别为温度胁迫因子、水分胁迫因子和氮素胁迫因子。

全文数据：

权利要求：

百度查询： 北京市农林科学院智能装备技术研究中心 多源数据驱动混合机理学习模型的小麦产量预测方法