基于長(zhǎng)短期記憶網(wǎng)絡(luò)的冬小麥連續(xù)時(shí)序葉面積指數(shù)預(yù)測(cè)
發(fā)布時(shí)間:2021-08-07 13:50
連續(xù)時(shí)序的葉面積指數(shù)(LAI)可反映冬小麥長(zhǎng)勢(shì)的變化情況,預(yù)測(cè)冬小麥未來(lái)時(shí)段的LAI對(duì)指導(dǎo)田間管理決策具有重要作用。以WOFOST(World Food Studies)為代表的作物生長(zhǎng)模型可通過(guò)模擬冬小麥的生長(zhǎng)發(fā)育過(guò)程對(duì)未來(lái)LAI曲線進(jìn)行預(yù)測(cè),但其預(yù)測(cè)過(guò)程依賴于未來(lái)的氣象數(shù)據(jù)等難以獲取的輸入?yún)?shù)。由于冬小麥的LAI時(shí)序變化具有連續(xù)性和規(guī)律性的特點(diǎn),可通過(guò)深度學(xué)習(xí)方法僅以歷史LAI為輸入?yún)?shù)對(duì)未來(lái)LAI進(jìn)行預(yù)測(cè),但深度學(xué)習(xí)方法需要大量樣本參與訓(xùn)練,訓(xùn)練樣本的稀缺性限制了其在LAI預(yù)測(cè)方面的實(shí)際應(yīng)用。針對(duì)上述問(wèn)題,通過(guò)數(shù)據(jù)同化方法將遙感數(shù)據(jù)與WOFOST模型相結(jié)合,采用SCE(Shuffled Complex Evolution)算法最小化校正后的MODIS LAI產(chǎn)品與模型模擬LAI之間差值來(lái)優(yōu)化作物模型初始參數(shù),從而構(gòu)建出京津冀地區(qū)15年的逐日冬小麥LAI數(shù)據(jù)集。在該數(shù)據(jù)集基礎(chǔ)上,利用長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)分別建立了不同輸入歷史LAI天數(shù)的多個(gè)冬小麥預(yù)測(cè)模型,探究了不同預(yù)測(cè)模型表達(dá)冬小麥生育期中LAI變化規(guī)律的能力。結(jié)果表明:基于LSTM網(wǎng)絡(luò)的預(yù)測(cè)模型都能較好進(jìn)行冬小麥LAI未來(lái)...
【文章來(lái)源】:光譜學(xué)與光譜分析. 2020,40(03)北大核心EISCICSCD
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
研究區(qū)以及氣象站點(diǎn)和采樣點(diǎn)分布
通過(guò)所提取的247組校正后的MODIS LAI加入WOFOST進(jìn)行同化, 并以每組所對(duì)應(yīng)的當(dāng)年站點(diǎn)氣象數(shù)據(jù)來(lái)驅(qū)動(dòng)模型, 從而得到優(yōu)化后的LAI曲線數(shù)據(jù)。 如圖3(a)所示, 未同化生成的LAI曲線中LAI最高值達(dá)到8, 最低值僅為2, 部分曲線不符合冬小麥生長(zhǎng)規(guī)律特征。 如圖3(b)所示, 同化后生成的LAI曲線中的均值線最大值為5且在輪廓線內(nèi)分布較均勻, 更符合冬小麥LAI曲線變化規(guī)律。表1 需優(yōu)化參數(shù)的定義與校準(zhǔn)值范圍Table 1 Description and range of parameters to be optimized 參數(shù)名稱 定義 校準(zhǔn)值范圍 來(lái)源 TSUM1 出苗至開(kāi)花有效積溫/(℃·d) 0.9*TSUM1~1.1*TSUM1 計(jì)算 TSUM2 開(kāi)花至成熟有效積溫/(℃·d) 0.9*TSUM2~1.1*TSUM2 計(jì)算 SPAN 葉片衰老系數(shù)/d 17~50 調(diào)整 TDWI 初始生物量/(kg·hm-2) 50~300 調(diào)整
表1 需優(yōu)化參數(shù)的定義與校準(zhǔn)值范圍Table 1 Description and range of parameters to be optimized 參數(shù)名稱 定義 校準(zhǔn)值范圍 來(lái)源 TSUM1 出苗至開(kāi)花有效積溫/(℃·d) 0.9*TSUM1~1.1*TSUM1 計(jì)算 TSUM2 開(kāi)花至成熟有效積溫/(℃·d) 0.9*TSUM2~1.1*TSUM2 計(jì)算 SPAN 葉片衰老系數(shù)/d 17~50 調(diào)整 TDWI 初始生物量/(kg·hm-2) 50~300 調(diào)整1.3 LAI預(yù)測(cè)模型
【參考文獻(xiàn)】:
期刊論文
[1]葉面積指數(shù)遙感反演研究進(jìn)展與展望[J]. 劉洋,劉榮高,陳鏡明,程曉,鄭光. 地球信息科學(xué)學(xué)報(bào). 2013(05)
本文編號(hào):3327910
【文章來(lái)源】:光譜學(xué)與光譜分析. 2020,40(03)北大核心EISCICSCD
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
研究區(qū)以及氣象站點(diǎn)和采樣點(diǎn)分布
通過(guò)所提取的247組校正后的MODIS LAI加入WOFOST進(jìn)行同化, 并以每組所對(duì)應(yīng)的當(dāng)年站點(diǎn)氣象數(shù)據(jù)來(lái)驅(qū)動(dòng)模型, 從而得到優(yōu)化后的LAI曲線數(shù)據(jù)。 如圖3(a)所示, 未同化生成的LAI曲線中LAI最高值達(dá)到8, 最低值僅為2, 部分曲線不符合冬小麥生長(zhǎng)規(guī)律特征。 如圖3(b)所示, 同化后生成的LAI曲線中的均值線最大值為5且在輪廓線內(nèi)分布較均勻, 更符合冬小麥LAI曲線變化規(guī)律。表1 需優(yōu)化參數(shù)的定義與校準(zhǔn)值范圍Table 1 Description and range of parameters to be optimized 參數(shù)名稱 定義 校準(zhǔn)值范圍 來(lái)源 TSUM1 出苗至開(kāi)花有效積溫/(℃·d) 0.9*TSUM1~1.1*TSUM1 計(jì)算 TSUM2 開(kāi)花至成熟有效積溫/(℃·d) 0.9*TSUM2~1.1*TSUM2 計(jì)算 SPAN 葉片衰老系數(shù)/d 17~50 調(diào)整 TDWI 初始生物量/(kg·hm-2) 50~300 調(diào)整
表1 需優(yōu)化參數(shù)的定義與校準(zhǔn)值范圍Table 1 Description and range of parameters to be optimized 參數(shù)名稱 定義 校準(zhǔn)值范圍 來(lái)源 TSUM1 出苗至開(kāi)花有效積溫/(℃·d) 0.9*TSUM1~1.1*TSUM1 計(jì)算 TSUM2 開(kāi)花至成熟有效積溫/(℃·d) 0.9*TSUM2~1.1*TSUM2 計(jì)算 SPAN 葉片衰老系數(shù)/d 17~50 調(diào)整 TDWI 初始生物量/(kg·hm-2) 50~300 調(diào)整1.3 LAI預(yù)測(cè)模型
【參考文獻(xiàn)】:
期刊論文
[1]葉面積指數(shù)遙感反演研究進(jìn)展與展望[J]. 劉洋,劉榮高,陳鏡明,程曉,鄭光. 地球信息科學(xué)學(xué)報(bào). 2013(05)
本文編號(hào):3327910
本文鏈接:http://sikaile.net/nykjlw/nzwlw/3327910.html
最近更新
教材專(zhuān)著