專利名稱：一種農(nóng)作物葉面積指數(shù)同化方法
技術領域：
本發(fā)明涉及葉面積指數(shù)技術領域，特別涉及一種農(nóng)作物葉面積指數(shù)同化方法。
背景技術：
葉面積指數(shù)是一個重要的植物學參數(shù)，在農(nóng)作物長勢監(jiān)測、產(chǎn)量估算等領域應用廣泛。在農(nóng)業(yè)定量遙感研究中，葉面積指數(shù)的提取和反演估算主要是基于遙感觀測數(shù)據(jù)、作物生長模型、輻射傳輸模型等開展的。目前，葉面積指數(shù)估算方法主要有經(jīng)驗公式法、非參數(shù)法、物理模型反演法和數(shù)據(jù)同化算法等。其中，經(jīng)驗公式法從數(shù)據(jù)自身統(tǒng)計特性出發(fā)，通過分析光譜數(shù)據(jù)或各類植被指數(shù)與葉面積指數(shù)的定量關系實現(xiàn)葉面積指數(shù)的反演估算；非參數(shù)法以其所描述的數(shù)據(jù)關系為對象進行數(shù)值擬合，數(shù)據(jù)量大小在一定程度上影響葉面積指數(shù)估算結果的可靠性；物理模型反演法以物理機制為基礎，選用合適的數(shù)學工具反演估算葉面積指數(shù)。數(shù)據(jù)同化是近年來發(fā)展較為迅速的一類用于地表參數(shù)反演估算的研究思路，其在考慮數(shù)據(jù)時空分布、觀測場誤差和背景場誤差的基礎上，將觀測數(shù)據(jù)融入模型的動態(tài)運行過程，以實現(xiàn)目標參數(shù)的提取?，F(xiàn)有的經(jīng)典同化算法有濾波法、變分法和啟發(fā)式優(yōu)化算法等。其中，集合卡爾曼濾波同化算法主要用于單狀態(tài)變量優(yōu)化，無法直接應用到基于多狀態(tài)變量優(yōu)化求解的葉面積指數(shù)同化反演過程；四維變分同化算法適于解決多狀態(tài)變量優(yōu)化問題，但線性模式和伴隨模式的引入增加了計算復雜度；非常快速模擬退火算法獨立于目標泛函，優(yōu)于處理非線性及不連續(xù)性系統(tǒng)。三種算法在各自的適用范圍和使用條件的基礎上， 各具優(yōu)勢；同時，每種算法又無法兼具另外兩種算法的優(yōu)勢。因此，如果能夠提供一種綜合三種算法優(yōu)勢的同化方法，將對農(nóng)作物長勢監(jiān)測、產(chǎn)量估算等領域具有重要意義。

發(fā)明內(nèi)容
(一)要解決的技術問題本發(fā)明要解決的技術問題是如何提供一種農(nóng)作物葉面積指數(shù)同化方法，以提高農(nóng)作物葉面積指數(shù)估算的精度。( 二)技術方案為解決上述技術問題，本發(fā)明提供一種農(nóng)作物葉面積指數(shù)同化方法，其包括步驟B 依據(jù)四維變分的代價函數(shù)構建目標泛函；C 在當前同化過程下，依據(jù)非?？焖倌M退火算法求取所述目標泛函的最優(yōu)解；D 判斷當前同化過程的次數(shù)是否大于總觀測次數(shù)，如果是，將所述最優(yōu)解作為待調(diào)整參數(shù)的最終值，同化過程結束；否則，將所述最優(yōu)解作為下一次同化過程中所述待調(diào)整參數(shù)的當前值，執(zhí)行所述步驟C。優(yōu)選地，在所述步驟B之前還包括步驟A 基于農(nóng)作物時序觀測數(shù)據(jù)和地面先驗知識設定待調(diào)整參數(shù)的初值，根據(jù)所述待調(diào)整參數(shù)的初值和所述作物生長模型生成符合高斯分布的背景場數(shù)據(jù)集合初值，以及所述背景場數(shù)據(jù)集合的誤差協(xié)方差矩陣初值。優(yōu)選地，所述步驟A具體包括步驟Al 選取對葉面積指數(shù)變動敏感的參數(shù)作為作物生長模型的待調(diào)整參數(shù)X ；A2 基于農(nóng)作物時序觀測數(shù)據(jù)和地面先驗知識設定所述待調(diào)整參數(shù)的初值X (tQ)； 其中，、表示同化開始時刻；A3 根據(jù)所述待調(diào)整參數(shù)的初值X (O和所述作物生長模型，生成符合高斯分布的背景場數(shù)據(jù)集合初值XaUtl)，以及所述背景場數(shù)據(jù)集合的誤差協(xié)方差矩陣初值Pltci)。優(yōu)選地，所述步驟B中的目標泛函J(X)的表達式如下
權利要求
1.一種農(nóng)作物葉面積指數(shù)同化方法，其特征在于，包括步驟 B 依據(jù)四維變分的代價函數(shù)構建目標泛函；C 在當前同化過程下，依據(jù)非常快速模擬退火算法求取所述目標泛函的最優(yōu)解； D 判斷當前同化過程的次數(shù)是否大于總觀測次數(shù)，如果是，將所述最優(yōu)解作為待調(diào)整參數(shù)的最終值，同化過程結束；否則，將所述最優(yōu)解作為下一次同化過程中所述待調(diào)整參數(shù)的當前值，執(zhí)行所述步驟C。
2.如權利要求1所述的方法，其特征在于，在所述步驟B之前還包括步驟A基于農(nóng)作物時序觀測數(shù)據(jù)和地面先驗知識設定待調(diào)整參數(shù)的初值，根據(jù)所述待調(diào)整參數(shù)的初值和所述作物生長模型生成符合高斯分布的背景場數(shù)據(jù)集合初值，以及所述背景場數(shù)據(jù)集合的誤差協(xié)方差矩陣初值。
3.如權利要求2所述的方法，其特征在于，所述步驟A具體包括步驟Al 選取對葉面積指數(shù)變動敏感的參數(shù)作為作物生長模型的待調(diào)整參數(shù)X ； A2 基于農(nóng)作物時序觀測數(shù)據(jù)和地面先驗知識設定所述待調(diào)整參數(shù)的初值XUtl)；其中，、表示同化開始時刻；A3 根據(jù)所述待調(diào)整參數(shù)的初值Χ(、)和所述作物生長模型，生成符合高斯分布的背景場數(shù)據(jù)集合初值Xltci)，以及所述背景場數(shù)據(jù)集合的誤差協(xié)方差矩陣初值Pltci)。
4.如權利要求1所述的方法，其特征在于，所述步驟B中的目標泛函J(X)的表達式如下ιι NumJ(X)=-(X-X\tk)j Pa(tky\X-X\tk))+-Y^r(ti)-H{M(X))i Ritd'VXQ-HiMiX))}}其中，Rai)表示第i個觀測時刻由觀測數(shù)據(jù)測量誤差和模型誤差組成的觀測誤差； γ°(、)表示第i個觀測時刻的光譜數(shù)據(jù)集；Xa(tk)表示第k次同化過程時的背景場數(shù)據(jù)集合的當前值，k的初值為0 ;Pa(tk)表示Xa(tk)的誤差協(xié)方差矩陣的當前值；Num表示所述總觀測次數(shù)；M表示作物生長模型算子；H表示PR0SAIL輻射傳輸模型算子。
5.如權利要求4所述的方法，其特征在于，所述步驟C具體包括步驟Cl 在當前同化過程下，設定標準溫度Ttl，設定優(yōu)化過程的狀態(tài)變量X°(tk, ρ的初值X°(tM) = JT(0,并且設定初始溫度T1 = T0exp(-c)；其中，JT&)表示xa(tk)的算術平均值，c為常數(shù)，j的初值為0 ；C2 在當前溫度T1下，根據(jù)當前狀態(tài)變量X°(tk, ρ計算下一個狀態(tài)變量X°(tu+1) ；I表示迭代次數(shù)，初值為1 ；C3 計算 Δ J = J (X0 (tk,j))-J (X0 (tk,J+1))，判斷 Δ J 是否大于 0，如果是，接受 X° (tk,J+1)， 否則，以概率exp(-Δ J/cT》接受X°(tk,j+1)；C4 判斷是否達到平衡，如果是，執(zhí)行C5 ；否則，計算下一溫度Tw = T0exp(-cXI1/n),I 自加1，j自加1，然后執(zhí)行步驟C2 ；其中，η為待調(diào)整參數(shù)的維數(shù)；C5 判斷當前溫度T1是否低于預設最低溫度，或者已經(jīng)連續(xù)出現(xiàn)了預設閾值個狀態(tài)變量均未被接受，如果是，將X°(tu+1)作為所述目標泛函的最優(yōu)解，執(zhí)行步驟D ；否則，TI+1 = T1, I自加1，j自加1，然后執(zhí)行步驟C2。
6.如權利要求5所述的方法，其特征在于，所述步驟C2中通過下面兩個公式計算下一個狀態(tài)變量X°(tk,j+1)
7.如權利要求5所述的方法，其特征在于，所述步驟C4具體包括步驟C41 通過下面公式計算標準值Mand w=0m=0m=05C42 判斷所述標準值Mand是否小于預設極小值ε，如果是，認為達到平衡，執(zhí)行C5 ； 否則，認為未達到平衡，計算下一溫度Tm = T0exp (-CΧΙ1/η), I自加1，j自加1，然后執(zhí)行步驟C2 ο
8.如權利要求7所述的方法，其特征在于，所述預設極小值ε為0.01。
9.如權利要求5所述的方法，其特征在于，所述標準溫度Ttl為100°C，所述預設最低溫度為IO0C0
10.如權利要求5所述的方法，其特征在于，所述步驟D具體包括步驟Dl 判斷當前同化次數(shù)k是否大于所述總觀測次數(shù)Num，如果是，將所述最優(yōu)解作為所述待調(diào)整參數(shù)的最終值，同化過程結束；否則，執(zhí)行步驟D2 ；D2 :k自加1，將所述最優(yōu)解作為第k次同化過程中所述待調(diào)整參數(shù)的當前值X(tk)，根據(jù)所述待調(diào)整參數(shù)的當前值X(tk)和所述作物生長模型生成符合高斯分布的背景場數(shù)據(jù)集合當前值Xa (tk)，以及所述背景場數(shù)據(jù)集合的誤差協(xié)方差矩陣當前值Pa(tk)，執(zhí)行步驟C。
全文摘要
本發(fā)明公開了一種農(nóng)作物葉面積指數(shù)同化方法，涉及葉面積指數(shù)領域。所述方法包括步驟B依據(jù)四維變分的代價函數(shù)構建目標泛函；C在當前同化過程下，依據(jù)非常快速模擬退火算法求取所述目標泛函的最優(yōu)解；D判斷當前同化過程的次數(shù)是否大于總觀測次數(shù)，如果是，將所述最優(yōu)解作為待調(diào)整參數(shù)的最終值，同化過程結束；否則，將所述最優(yōu)解作為下一次同化過程中所述待調(diào)整參數(shù)的當前值，執(zhí)行所述步驟C。所述方法，在獲取全局最優(yōu)解的同時，降低了計算復雜度，提高了葉面積指數(shù)的估算精度和抗數(shù)據(jù)飽和性。
文檔編號A01G7/00GK102323987SQ201110268098
公開日2012年1月18日 申請日期2011年9月9日 優(yōu)先權日2011年9月9日
發(fā)明者李存軍, 楊貴軍, 王慧芳, 王紀華, 王芊, 董瑩瑩, 陳紅, 黃文江 申請人:北京農(nóng)業(yè)信息技術研究中心