CN113052484A - 基于格点化气象数据的农产品气候品质评估方法及装置 - Google Patents
基于格点化气象数据的农产品气候品质评估方法及装置 Download PDFInfo
- Publication number
- CN113052484A CN113052484A CN202110378493.2A CN202110378493A CN113052484A CN 113052484 A CN113052484 A CN 113052484A CN 202110378493 A CN202110378493 A CN 202110378493A CN 113052484 A CN113052484 A CN 113052484A
- Authority
- CN
- China
- Prior art keywords
- data
- meteorological data
- agricultural product
- meteorological
- climate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000005855 radiation Effects 0.000 claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 238000001303 quality assessment method Methods 0.000 claims abstract description 42
- 230000004927 fusion Effects 0.000 claims abstract description 32
- 238000013507 mapping Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 description 7
- 235000013399 edible fruits Nutrition 0.000 description 7
- 238000001556 precipitation Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 235000007650 Aralia spinosa Nutrition 0.000 description 4
- 241000949456 Zanthoxylum Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 244000089698 Zanthoxylum simulans Species 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003306 harvesting Methods 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000004231 Riboflavin-5-Sodium Phosphate Substances 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000008264 cloud Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001697 satellite transition magic angle spinning Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本公开提供一种基于格点化气象数据的农产品气候品质评估方法,获取气象卫星的格点化的太阳辐射数据,至少根据太阳辐射数据生成第一气象数据;根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据第二气象数据统计待评估区域内各生长期的第三气象数据;根据第一气象数据、第三气象数据和预设的指定农产品气候品质评估标准,对指定农产品进行气候品质评估。本公开实施例将气象卫星遥感数据、气象模型融合数据两类格点化数据应用于农产品气候品质评估,补充了太阳辐射数据,实现对作物种植区公里级覆盖,提高农产品气候品质评估结论的可靠性。本公开还提供一种农产品气候品质评估装置、计算机设备和可读介质。
Description
技术领域
本公开涉及农业技术领域,具体涉及一种基于格点化气象数据的农产品气候品质评估方法、装置、计算机设备和可读介质。
背景技术
我国正在经历由传统农业向现代农业的转变,质量兴农、绿色兴农、品牌强农对现代农业气象服务提出诸多新要求。不论是从气象部门职责还是从地方政府现实需求来看,开展农产品气候品质评估,挖掘农产品气候资源价值,可有效实现地方生态效益与社会效益、经济效益的转化,是气象服务助力乡村振兴的有效助手。
农产品气候品质评估关键在于研究气象条件与农产品品质的关系,通过数据融合评估科学厘定农产品气候品质等级。当前全国开展农产品气候品质评估工作,虽然有相关行业标准对评估方法进行要求,但是评估数据作为实现评估的重要基础,对此缺乏统一要求。目前,各地开展农产品评估多数是采用就近地区气象台站观测数据,一些条件好的地区增设农田小气候站观测数据进行评估。由于气象站与农产品产区的偏离等原因,不可避免地存在数据代表性不够、数据量不足等问题,远不足以支撑评估结论严谨性,尤其在观测资料缺乏或经济落后地区,仅靠站点数据远远不足以开展评估。
发明内容
本公开提供一种基于格点化气象数据的农产品气候品质评估方法、装置、计算机设备和可读介质。
第一方面,本公开实施例提供一种基于格点化气象数据的农产品气候品质评估方法,包括:
获取气象卫星的格点化的太阳辐射数据,至少根据所述太阳辐射数据生成第一气象数据;
根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据所述第二气象数据统计待评估区域内各生长期的第三气象数据;
根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。
在一些实施例中,所述指定农产品气候品质评估标准包括指定农产品的各个生长期内各项气候品质评估指标的值与适宜度之间的第一映射关系,所述根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估,包括:
根据所述第一气象数据、所述第三气象数据和所述第一映射关系,分别确定所述指定农产品在各个生长期内各项气候品质评估指标对应的适宜度。
在一些实施例中,所述指定农产品气候品质评估标准还包括指定农产品的各个生长期内各项气候品质评估指标的值所属数值区间和权重之间的第二映射关系以及气候品质评价指数与气候品质等级之间的第三映射关系,所述根据所述第一气象数据、所述第三气象数据和所述第一映射关系,分别确定所述指定农产品在各个生长期内各项气候品质评估指标对应的适宜度之后,还包括:
根据指定农产品在各个生长期内各项气候品质评估指标对应的适宜度和权重以及各个生长期内各项气候品质评估指标的总数量计算气候品质评价指数,其中,所述指定农产品在各个生长期内各项气候品质评估指标对应的权重根据所述第一气象数据、所述第三气象数据和所述第二映射关系确定;
根据所述气候品质评价指数和所述第三映射关系确定所述指定农产品的气候品质等级。
在一些实施例中,所述太阳辐射数据包括第一逐时总辐照度,所述第一气象数据包括第一日照时数,所述至少根据所述太阳辐射数据生成第一气象数据,包括:
根据待评估区域的经纬度和评估时间计算月地外水平面辐照量;
根据所述第一逐时总辐照度计算月总辐照量,并根据所述月总辐照量、所述月地外水平面辐照量、第一常量和第二常量计算月日照百分率;
根据所述月日照百分率和日出日落时间计算第一日照时数。
在一些实施例中,所述根据所述月日照百分率和日出日落时间计算第一日照时数之后,还包括:
将所述第一日照时数的空间分辨率调整为所述三维气象数据融合模型的空间分辨率,得到第二日照时数。
在一些实施例中,所述根据所述第一逐时总辐照度计算月总辐照量之前,还包括:
根据地面观测的逐分钟辐照度确定第二逐时总辐照度;
根据所述第一逐时总辐照度和所述第二逐时总辐照度计算检验参数;
所述根据所述第一逐时总辐照度计算月总辐照量,包括:响应于根据所述检验参数确定所述第一逐时总辐照度合格,根据所述第一逐时总辐照度计算月总辐照量。
在一些实施例中,所述根据预设的三维气象数据融合模型获取第二气象数据之后,根据所述第二气象数据生成待评估区域内各生长期的第三气象数据之前,还包括:
获取地面观测的第四气象数据,所述第四气象数据的类型与所述第二气象数据的类型相同;
计算所述第二气象数据与所述第四气象数据之间的相关系数和/或误差;
所述根据所述第二气象数据生成待评估区域内各生长期的第三气象数据,包括:响应于根据所述相关系数和/或所述误差确定所述第二气象数据合格,根据所述第二气象数据生成待评估区域内各生长期的第三气象数据。
又一方面,本公开实施例还提供一种农产品气候品质评估装置,包括第一获取模块、处理模块、第二获取模块和评估模块,所述第一获取模块用于,获取气象卫星的格点化太阳辐射数据;
所述处理模块用于,至少根据所述太阳辐射数据生成第一气象数据;
所述第二获取模块用于,根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据所述第二气象数据统计待评估区域内各生长期的第三气象数据;
所述评估模块用于,根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。
又一方面,本公开实施例还提供一种计算机设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如前所述的基于格点化气象数据的农产品气候品质评估方法。
又一方面,本公开实施例还提供一种计算机可读介质,其上存储有计算机程序,其中,所述程序被执行时实现如前所述的基于格点化气象数据的农产品气候品质评估方法。
本公开实施例提供的基于格点化气象数据的农产品气候品质评估方法,获取气象卫星的格点化的太阳辐射数据,至少根据所述太阳辐射数据生成第一气象数据;根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据所述第二气象数据统计待评估区域内各生长期的第三气象数据;根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。本公开实施例将气象卫星遥感数据、气象模型融合数据两类格点化数据应用于农产品气候品质评估,在数据类型上补充了对农作物生长发育至关重要的太阳辐射数据,在数据精细化程度上实现对作物种植区公里级覆盖,使得评估数据量和数据质量得以提升,从而提高农产品气候品质评估结论的可靠性,并可以解决气象观测资料缺乏地区开展农产品气候品质评估的难题。
附图说明
图1为本公开实施例提供的基于格点化气象数据的农产品气候品质评估方法流程图一;
图2为本公开实施例提供的基于格点化气象数据的农产品气候品质评估方法流程图二;
图3为本公开实施例提供的生成第一气象数据的流程示意图;
图4为本公开实施例提供的检验太阳辐射数据的流程示意图;
图5为本公开实施例提供的检验第二气象数据的流程示意图;
图6为本公开实施例提供的农产品气候品质评估装置的结构示意图一;
图7为本公开实施例提供的农产品气候品质评估装置的结构示意图二;
图8为本公开实施例提供的农产品气候品质评估装置的结构示意图三。
具体实施方式
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
如本文所使用的,术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。
本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此,可根据制造技术和/或容限来修改示例图示。因此,实施例不限于附图中所示的实施例,而是包括基于制造工艺而形成的配置的修改。因此,附图中例示的区具有示意性属性,并且图中所示区的形状例示了元件的区的具体形状,但并不旨在是限制性的。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
本公开实施例提供一种基于格点化气象数据的农产品气候品质评估方法,如图1所示,所述基于格点化气象数据的农产品气候品质评估方法包括以下步骤:
步骤11,获取气象卫星的格点化的太阳辐射数据,至少根据太阳辐射数据生成第一气象数据。
太阳辐射是所有农作物生长的能量来源,也是农作物气候品质形成的关键气象要素,因此,农产品气候品质评估中通常采用日照时数作为反映农作物生长所需能量的要素。由于我国地面太阳辐射观测台站稀少,并且缺乏光合有效辐射观测项目,为了获取区域格点化日照时数分布,可以获取气象卫星的地面太阳辐射数据,并基于该太阳辐射数据采用气候学统计方法推算获得第一气象数据。
在本公开实施例中,采用风云四号系列气象卫星的太阳辐射数据。风云四号系列气象卫星首颗(FY-4A)是世界上最先进的新一代静止气象卫星之一,搭载多通道扫描辐射成像计(AGRI)、干涉式大气垂直探测仪(GIIRS),闪电成像仪(GLI)、空间环境监测仪器包(SEP)。FY-4A可以提供定量反演数据,地面太阳辐射数据是其中之一,格点化的太阳辐射数据其空间分辨率为4km×4km,具有较高的时空分辨率,在太阳能资源、农业气候资源等领域有很大的应用潜力。
FY-4A地表太阳入射辐射(Surface Solar Irradiance,简称SSI)反演算法涉及包括成像仪可见光、近红外和短波红外的6个通道:CH1(0.45-0.49μm)、CH2(0.55-0.75μm)、CH3(0.75-0.90μm)、CH4(1.36-1.39μm)、CH5(1.58-1.64μm)、CH6(2.1-2.35μm)。反演算法依赖的回归模型需要事先通过辐射传输模拟和统计融合建立,回归模型定义了地表太阳入射辐射与成像仪多通道辐射观测之间的回归关系式,是太阳观测几何与最重要影响参数(云、气溶胶、水汽含量、地表反照率、地表海拔高度等)的函数。反演算法利用FY-4A卫星成像仪通道1至通道6的短波辐射观测,来获取大气和地表的瞬时状态参数信息,同时由地表高程数据获取地表海拔高度信息。在确定瞬时的大气和地表状态后,结合太阳角度和观测角度,根据事先建立的回归模型数据,进行多维线性插值,获取SSI反演数据(即太阳辐射数据),该数据输出的时间分辨率可达15分钟。
步骤12,根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据第二气象数据统计待评估区域内各生长期的第三气象数据。
三维气象数据融合模型是在局地融合预报系统(Local Analysis andPrediction System,LAPS)和多时空尺度融合系统(Space Time Multiscale AnalysisSystem,STMAS)的基础上,根据地面高时空分辨率气象服务格点实况数据生成的面向通用航空气象服务、环境气象服务的三维气象服务实况数据模型。三维气象数据融合模型综合运用地面观测、卫星、雷达、探空等多源观测数据,能够生成垂直方向为41层、水平分辨率为全国3×3公里和区域1×1公里两种描述大气真实状态的三维实况格点化数据(即第二气象数据),形成气压、气温、湿度、风场、云、降水以及飞机积冰指数等要素的三维实况融合场。3km分辨率的格点化第二气象数据能够较好刻画气象要素随地形、下垫面不同而出现的局地变化特征,同时反映大尺度天气系统特征,数据精细化程度大大提高,能够较好满足公众和专业气象服务需求,目前已在影视气象服务、精细化预报检验等领域得到初步应用。
在本步骤中,先根据待评估区域,从三维气象数据融合模型中提取3km分辨率的温度、湿度、降雨逐时格点化数据(即第二气象数据),再根据第二气象数据统计待评估区域内各生长期的各项气候品质评估指标,得到第三气象数据(例如,高湿/低湿日数、积温、高温/低温日数、降雨量/降雨日数等)。
步骤13,根据第一气象数据、第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。
指定农产品气候品质评估标准是某一特定农产品在某一特定区域特定年度的气候品质评估标准,所述标准定义了两种农产品气候品质评估方式,评估方式一是评估农产品的种植适宜度,评估方式二是评估农产品的气候品质等级,在评估方式二中还定义了气候品质评估模型,通过气候品质评估模型可以计算用于评估气候品质等级的气候品质指数。
在本步骤中,可以根据第一气象数据、第三气象数据和指定农产品气候品质评估标准,评估该指定农产品的种植适宜度和/或气候品质等级。
本公开实施例提供的基于格点化气象数据的农产品气候品质评估方法,获取气象卫星的格点化的太阳辐射数据,至少根据所述太阳辐射数据生成第一气象数据;根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据所述第二气象数据统计待评估区域内各生长期的第三气象数据;根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。本公开实施例将气象卫星遥感数据、气象模型融合数据两类格点化数据应用于农产品气候品质评估,在数据类型上补充了对农作物生长发育至关重要的太阳辐射数据,在数据精细化程度上实现对作物种植区公里级覆盖,使得评估数据量和数据质量得以提升,从而提高农产品气候品质评估结论的可靠性,并可以解决气象观测资料缺乏地区开展农产品气候品质评估的难题。
在一些实施例中,所述指定农产品气候品质评估标准可以包括指定农产品的各个生长期内各项气候品质评估指标的值与适宜度之间的第一映射关系。农产品的生长期可以包括但不限于果实膨大期、采摘期等,气候品质评估指标可以包括但不限于:日照(如日照时数)、降水(降雨量/降雨日数)、温度(积温、高温/低温日数、气温日较差)、湿度(高湿/低湿日数)等。
在一些实施例中,所述根据第一气象数据、第三气象数据和预设的指定农产品气候品质评估标准,对指定农产品进行气候品质评估(即步骤13),包括以下步骤:根据第一气象数据、第三气象数据和所述第一映射关系,分别确定指定农产品在各个生长期内各项气候品质评估指标对应的适宜度。第一气象数据和第三气象数据的值即为各个生长期内各项气候品质评估指标的值,在本步骤中,分别根据第一气象数据和第三气象数据查询第一映射关系,确定相应气候品质评估指标的值处于哪个数值区间,由此可以确定出各生长期内各项气候品质评估指标的适宜度,例如,适宜度为1.0表示最适宜,适宜度为0.8表示适宜,适宜度为0.6表示较适宜。需要说明的是,在一些实施例中,在确定指定农产品在各个生长期内各项气候品质评估指标对应的适宜度之后,还可以进一步得到各项气候品质评估指标的适宜度的分布情况,所述分布情况反映了特定区域内各项气候品质评估指标的适宜度分布,该特定区域即为所述指定农产品气候品质评估标准对应的区域(待评估区域)。
在一些实施例中,所述指定农产品气候品质评估标准还可以包括指定农产品的各个生长期内各项气候品质评估指标的值所属数值区间和权重之间的第二映射关系以及气候品质评价指数与气候品质等级之间的第三映射关系。
相应的,如图2所示,所述据第一气象数据、第三气象数据和第一映射关系,分别确定所述指定农产品在各个生长期内各项气候品质评估指标对应的适宜度之后,还可以包括以下步骤:
步骤131,根据指定农产品在各个生长期内各项气候品质评估指标对应的适宜度和权重以及各个生长期内各项气候品质评估指标的总数量计算气候品质评价指数,其中,所述指定农产品在各个生长期内各项xn候品质评估指标对应的权重根据第一气象数据、第三气象数据和第二映射关系确定。
在本步骤中,先根据第一映射关系确定指定农产品在各个生长期内各项气候品质评估指标对应的适宜度,以及,根据第二映射关系确定指定农产品在各个生长期内各项气候品质评估指标对应的权重,再根据指定农产品在各个生长期内各项气候品质评估指标对应的适宜度和权重以及各项气候品质评估指标的总数量计算气候品质评价指数。气候品质评价指数可以利用气候品质评估模型,根据每个生长期内各项气候品质评估指标对应的适宜度和权重计算得到。需要说明的是,确定适宜度的步骤和确定权重的步骤的执行顺序不限。
其中,ICO为气候品质评价指数,n为全部生长期内各项气候品质评估指标的总数量,ai为第i个气候品质评估指标的权重,Mi为第i个气候品质评估指标的适宜度。
步骤132,根据气候品质评价指数和第三映射关系确定所述指定农产品的气候品质等级。
在本步骤中,可以根据气候品质评价指数查询第三映射关系,以确定步骤131计算得到的气候品质评价指数对应的气候品质等级。通常,气候品质等级可以分为特优、优、良、一般等。
在一些实施例中,所述太阳辐射数据包括第一逐时总辐照度,所述第一气象数据包括第一日照时数.如图3所示,所述至少根据所述太阳辐射数据生成第一气象数据(即步骤11),包括以下步骤:
步骤111,根据待评估区域的经纬度和评估时间计算月地外水平面辐照量HER。
待评估区域即为步骤13中所使用的指定农产品气候品质评估标准对应的区域,评估时间是指生长期对应的时间。
步骤112,根据第一逐时总辐照度计算月总辐照量GHR,并根据月总辐照量GHR、月地外水平面辐照量HER、第一常量a和第二常量b计算月日照百分率s。
在本步骤中,先利用从FY-4A获取的第一逐时总辐照度(单位:W/m2)做时间积分,计算得到月总辐照量GHR(单位:MJ/m2),再根据以下公式计算月日照百分率s:
s=(GHR/EHR-a)/b;
其中,a为第一常量,b为第二常量,a、b可以为经验值。
步骤113,根据月日照百分率s和日出日落时间计算第一日照时数t0。
在本步骤中,根据步骤112计算得到的月日照百分率s,结合理论日出日落时间,可以计算得到月可照时数,进而计算出第一日照时数t0,第一日照时数t0为实际日照时数。
太阳辐射数据的空间分辨率为4km×4km,相应的,根据太阳辐射数据生成的第一气象数据(即第一日照时数)的空间分辨率也为4km×4km,而根据三维气象数据融合模型得到的第二气象数据的空间分辨率为3km×3km,相应的,根据第二气象数据得到的第三气象数据的间分辨率也为3km×3km。为了使第一气象数据与第三气象数据具有相同的空间分辨率,在一些实施例中,所述根据月日照百分率s和日出日落时间计算第一日照时数t0(即步骤113)之后,还可以包括以下步骤:
步骤114,将第一日照时数的空间分辨率调整为三维气象数据融合模型的空间分辨率,得到第二日照时数。
在本步骤中,对第一日照时数进行重采样,并采用反距离权重插值法将第一日照时数的空间分辨率由4km×4km调整为3km×3km。
在一些实施例中,所述根据月日照百分率s和日出日落时间计算第一日照时数t0(即步骤113)之后,将第一日照时数的空间分辨率调整为三维气象数据融合模型的空间分辨率,得到第二日照时数(即步骤114)之前,还可以包括以下步骤:
步骤114’,根据待评估区域地面观测的日照时数修正第一日照时数。
在本步骤中,可以根据待评估区域的气象台站实测日照时数,通过预先建立的统计方程对第一日照时数t0进行检验,即利用该统计方程对待评估区域内其它格点上的第一日照时数进行修正,修正后的第一日照时数记为t1。
相应的,在步骤114中,将修正后的第一日照时数的空间分辨率调整为三维气象数据融合模型的空间分辨率,得到第二日照时数。
为了保证评估结果真实可靠,可以对太阳辐射数据的质量进行检验。如图4所示,在一些实施例中,所述根据第一逐时总辐照度计算月总辐照量GHR(即步骤111)之前,还包括以下步骤:
步骤21,根据地面观测的逐分钟辐照度确定第二逐时总辐照度。
FY-4A气象卫星的第一逐时总辐照度为总辐射整点瞬时辐照度,对该数据进行检验时,需要以地面观测的逐分钟辐照度为基础,从中提取出整点的总辐照度进行对比。在本步骤中,可以收集全国范围内多个国家级地面辐射观测站点的逐分钟总辐照度。
步骤22,根据第一逐时总辐照度和第二逐时总辐照度计算检验参数。
所述检验参数可以包括以下之一或任意组合:辐照度的相关系数、曝辐量的相关系数、曝辐量误差、辐照度随时间变化的一致性参数、曝辐量随时间变化的一致性参数。
相应的,所述根据第一逐时总辐照度计算月总辐照量GHR(即步骤111),包括以下步骤:响应于根据检验参数确定第一逐时总辐照度合格,根据第一逐时总辐照度计算月总辐照量GHR。所述确定第一逐时总辐照度合格是指,辐照度的相关系数和曝辐量的相关系数较大(例如大于阈值)、曝辐量误差较小(小于阈值)、辐照度随时间变化的一致性参数和曝辐量随时间变化的一致性参数较高(大于阈值)。
利用地面气象观测站的气象观测数据对气象卫星的气象数据进行检验,若二者的相关性、一致性较高,说明气象卫星的气象数据质量合格,可以使用气象卫星的气象数据对农产品气候品质进行评估,从而保证评估结果的准确性和可靠性。
为了保证评估结果真实可靠,还可以对第二气象数据的质量进行检验。如图5所示,在一些实施例中,所述根据预设的三维气象数据融合模型获取第二气象数据之后,根据第二气象数据生成待评估区域内各生长期的第三气象数据之前,还包括以下步骤:
步骤31,获取地面观测的第四气象数据,所述第四气象数据的类型与所述第二气象数据的类型相同。
在本步骤中,可以将全国2400多个国家级站点进行逐小时检验,并统计融合,气温和相对湿度可以采用双线性插值法从格点中提取站点数值,降水可以采用临近格点法提取站点数值。
步骤32,计算二气象数据与第四气象数据之间的相关系数和/或误差。
在本步骤中,可以计算平均误差和/或均方根误差。
相应的,所述根据第二气象数据生成待评估区域内各生长期的第三气象数据(即步骤12),包括以下步骤:响应于根据相关系数和/或误差确定第二气象数据合格,根据第二气象数据生成待评估区域内各生长期的第三气象数据。所述确定第二气象数据合格是指,相关系数和/或误差满足预设的阈值条件,若第二气象数据合格,则可以使用三维气象数据融合模型的气象数据对农产品气候品质进行评估,从而保证评估结果的准确性和可靠性。
为了清楚说明本公开实施例的方案,以下以重庆江津花椒2019年度气候品质评估为例,对本公开实施例的基于格点化气象数据的农产品气候品质评估方法进行详细说明。
江津花椒2019年度气候品质评估标准包括表1和表2。
待评估区域(重庆江津区域)地理位置为105°49′E-106°38′E、28°28′N-29°28′N。江津花椒气候品质形成的生长期包括果实膨大期和采摘期两个阶段。2019年度江津花椒果实膨大期为4月6日-5月31日,采收期为6月1日-7月15日。果实膨大期采用日照时数、累积降雨量、气温日较差和≥85%高湿日数等4项气候品质评估指标;采摘期采用日照时数、累积降雨量、气温日较差和雨日数等4项气候品质评估指标,各指标的权重和适宜度取值范围如表1所示。
表1
江津花椒气候品质评估以气候品质评价指数为依据,对早、中熟品种和晚熟品种的气候品质分别评估,评估等级均分为特优、优、良及一般4个等级,其气候品质等级如表2所示。
表2
气候品质等级 | 气候品质评价指数I<sub>CQ</sub> |
特优 | I<sub>CQ</sub>≥0.85 |
优 | 0.75≤I<sub>CQ</sub><0.85 |
良 | 0.65≤I<sub>CQ</sub><0.75 |
一般 | I<sub>CQ</sub><0.65 |
(一)根据第一气象数据进行适宜度评估
1、针对果实膨大期,根据FY-4A气象卫星的第一逐时总辐照度计算得的月总辐照量(GHR)在975-1125MJ/m2之间,由此计算得到的第一日照时数在210-285h之间,根据第一日照时数查询表1,可以确定出待评估区域内大部分地区的适宜度为1.0,最适宜种植,待评估区域内东南部地区的适宜度为0.8,适宜种植。
2、针对采收期,根据FY-4A气象卫星的第一逐时总辐照度计算得的月总辐照量(GHR)在850-900MJ/m2之间,由此计算得到的第一日照时数在165-215h之间,根据第一日照时数查询表1,可以确定出待评估区域的适宜度为0.8,适宜种植。
(二)根据第二气象数据进行适宜度评估
1、针对果实膨大期,根据三维气象数据融合模型获取第二气象数据,根据第二气象数据统计第三气象数据的数据分布,第三气象数据包括:累积降雨量、气温日较差及≥85%的高湿日数,根据第三气象数据查询表1,可以确定出以下结果:
针对累积降水量,待评估区域内除西南地区的适宜度为0.8,待评估区域内大部分地区的适宜度大多为1,即待评估区域在果实膨大期的累积降水条件对于种植花椒表现为最适宜;针对气温日较差,待评估区域内不同适宜度均有分布;针对≥85%的高湿日数,适宜度差距较为明显,除了待评估区域内东北地区的适宜度多为1,即最适宜种植外,大部分地区的适宜度均为0.6,教适宜种植。
2、针对采收期,据三维气象数据融合模型获取第二气象数据,根据第二气象数据统计第三气象数据的数据分布,第三气象数据包括:累积降水量、气温日较差及雨日数,根据第三气象数据查询表1,可以确定出以下结果:
针对累积降水量,待评估区域内大部分地区的适宜度为0.8,适宜种植,西部及东南地区的适宜度为0.6,较适宜种植;针对气温日较差,待评估区域内大部分地区的适宜度为0.6,较适宜种植,待评估区域内东北及南部有一部分地区的适宜度为0.8,即较适宜种植;针对雨日数,待评估区域内大部分地区的适宜度为1.0,整体表现为最适宜种植。
(三)对气候品质等级进行综合评估
根据前述确定出的各生长期内的各项气候品质评估指标的值查询表1,确定相应的权重,并计算气候品质评价指数,根据气候品质评价指数查询表2,得到2019年度江津花椒气候品质等级分布如下:2019年度,江津花椒的东部种植区气候品质指数超过0.85,达到“特优”等级;江津花椒的西部种植区,气候品质指数基本都在0.75-0.85之间,等级为“优”。
本公开实施例针对某一特定的农产品制定气候品质评估标准,确定对农产品关键生长期有重要影响的气象要素指标(即气候品质评估指标),给出各要素指标评分阈值区间,基于不同生长期的气象要素影响权重计算该农产品的综合气候品质评价指数,结合农产品理化指标分级标准,对气候品质进行等级划分。采用某一年度农产品生长期的气象数据对当年的气候品质进行计算和评估,目前主要采用两种方法,一是基于代表性气象台站观测资料进行“点”上评估,二是基于格点化气象数据对农产品种植区进行“面”上评估,最终根据两种方法的计算结果,获得综合评估结论。基于代表性气象台站观测资料的农产品气候品质评估方法的优点是观测资料准确、易获取,但气象台站对农产品种植区的“代表性”往往难以客观确定。地形复杂地区,气象台站观测资料的局地性较强,气象台站稀少地区,气象台站距离种植区较远,观测资料所反映出的气候特征对种植区代表性不够,评估结论的确定性、科学性、合理性往往容易受到质疑。基于格点化气象数据的区域农产品气候品质评估方法利用卫星遥感、数值模拟等多种技术手段获得农产品各生长发育阶段的格点化气象要素产品,数据资料覆盖农产品全部种植区,既解决了无观测资料地区农产品气候品质评估问题,又使得评估结论能够充分代表农产品种植区。
本公开实施例还可以通过回算验证气象条件与农作物气候品质评估指标,进而修正农产品气候品质评估标准,进一步提高农产品气候品质评估的科学性。
基于相同的技术构思,本公开实施例还提供一种农产品气候品质评估装置,如图6所示,包括第一获取模块101、处理模块102、第二获取模块103和评估模块104,第一获取模块101用于,获取气象卫星的格点化太阳辐射数据。
处理模块102用于,至少根据所述太阳辐射数据生成第一气象数据。
第二获取模块103用于,根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据所述第二气象数据统计待评估区域内各生长期的第三气象数据。
评估模块104用于,根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。
在一些实施例中,所述指定农产品气候品质评估标准包括指定农产品的各个生长期内各项气候品质评估指标的值与适宜度之间的第一映射关系。评估模块104用于,根据所述第一气象数据、所述第三气象数据和所述第一映射关系,分别确定所述指定农产品在各个生长期内各项气候品质评估指标对应的适宜度。
在一些实施例中,所述指定农产品气候品质评估标准还包括指定农产品的各个生长期内各项气候品质评估指标的值所属数值区间和权重之间的第二映射关系以及气候品质评价指数与气候品质等级之间的第三映射关系。评估模块104还用于,根据指定农产品在各个生长期内各项气候品质评估指标对应的适宜度和权重以及各个生长期内各项气候品质评估指标的总数量计算气候品质评价指数,其中,所述指定农产品在各个生长期内各项气候品质评估指标对应的权重根据所述第一气象数据、所述第三气象数据和所述第二映射关系确定;根据所述气候品质评价指数和所述第三映射关系确定所述指定农产品的气候品质等级。
在一些实施例中,所述太阳辐射数据包括第一逐时总辐照度,所述第一气象数据包括第一日照时数,处理模块102用于,根据待评估区域的经纬度和评估时间计算月地外水平面辐照量;根据所述第一逐时总辐照度计算月总辐照量,并根据所述月总辐照量、所述月地外水平面辐照量、第一常量和第二常量计算月日照百分率;根据所述月日照百分率和日出日落时间计算第一日照时数。
在一些实施例中,处理模块102还用于,在根据所述月日照百分率和日出日落时间计算第一日照时数之后,将所述第一日照时数的空间分辨率调整为所述三维气象数据融合模型的空间分辨率,得到第二日照时数。
在一些实施例中,如图7所示,所述农产品气候品质评估装置还包括第一验证模块105,第一验证模块105用于,根据地面观测的逐分钟辐照度确定第二逐时总辐照度;根据所述第一逐时总辐照度和所述第二逐时总辐照度计算检验参数。
处理模块102用于,响应于根据所述检验参数确定所述第一逐时总辐照度合格,根据所述第一逐时总辐照度计算月总辐照量。
在一些实施例中,如图8所示,所述农产品气候品质评估装置还包括第二验证模块106,第二验证模块106用于,获取地面观测的第四气象数据,所述第四气象数据的类型与所述第二气象数据的类型相同;计算所述第二气象数据与所述第四气象数据之间的相关系数和/或误差。
第二获取模块103用于,响应于根据所述相关系数和/或所述误差确定所述第二气象数据合格,根据所述第二气象数据生成待评估区域内各生长期的第三气象数据。
本公开实施例还提供了一种计算机设备,该计算机设备包括:一个或多个处理器以及存储装置;其中,存储装置上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如前述各实施例所提供的基于格点化气象数据的农产品气候品质评估方法。
本公开实施例还提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被执行时实现如前述各实施例所提供的基于格点化气象数据的农产品气候品质评估方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本发明的范围的情况下,可进行各种形式和细节上的改变。
Claims (10)
1.一种基于格点化气象数据的农产品气候品质评估方法,其特征在于,所述方法包括:
获取气象卫星的格点化的太阳辐射数据,至少根据所述太阳辐射数据生成第一气象数据;
根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据所述第二气象数据统计待评估区域内各生长期的第三气象数据;
根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。
2.如权利要求1所述的方法,其特征在于,所述指定农产品气候品质评估标准包括指定农产品的各个生长期内各项气候品质评估指标的值与适宜度之间的第一映射关系,所述根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估,包括:
根据所述第一气象数据、所述第三气象数据和所述第一映射关系,分别确定所述指定农产品在各个生长期内各项气候品质评估指标对应的适宜度。
3.如权利要求2所述的方法,其特征在于,所述指定农产品气候品质评估标准还包括指定农产品的各个生长期内各项气候品质评估指标的值所属数值区间和权重之间的第二映射关系以及气候品质评价指数与气候品质等级之间的第三映射关系,所述根据所述第一气象数据、所述第三气象数据和所述第一映射关系,分别确定所述指定农产品在各个生长期内各项气候品质评估指标对应的适宜度之后,还包括:
根据指定农产品在各个生长期内各项气候品质评估指标对应的适宜度和权重以及各个生长期内各项气候品质评估指标的总数量计算气候品质评价指数,其中,所述指定农产品在各个生长期内各项气候品质评估指标对应的权重根据所述第一气象数据、所述第三气象数据和所述第二映射关系确定;
根据所述气候品质评价指数和所述第三映射关系确定所述指定农产品的气候品质等级。
4.如权利要求1-3任一项所述的方法,其特征在于,所述太阳辐射数据包括第一逐时总辐照度,所述第一气象数据包括第一日照时数,所述至少根据所述太阳辐射数据生成第一气象数据,包括:
根据待评估区域的经纬度和评估时间计算月地外水平面辐照量;
根据所述第一逐时总辐照度计算月总辐照量,并根据所述月总辐照量、所述月地外水平面辐照量、第一常量和第二常量计算月日照百分率;
根据所述月日照百分率和日出日落时间计算第一日照时数。
5.如权利要求4所述的方法,其特征在于,所述根据所述月日照百分率和日出日落时间计算第一日照时数之后,还包括:
将所述第一日照时数的空间分辨率调整为所述三维气象数据融合模型的空间分辨率,得到第二日照时数。
6.如权利要求4所述的方法,其特征在于,所述根据所述第一逐时总辐照度计算月总辐照量之前,还包括:
根据地面观测的逐分钟辐照度确定第二逐时总辐照度;
根据所述第一逐时总辐照度和所述第二逐时总辐照度计算检验参数;
所述根据所述第一逐时总辐照度计算月总辐照量,包括:响应于根据所述检验参数确定所述第一逐时总辐照度合格,根据所述第一逐时总辐照度计算月总辐照量。
7.如权利要求1-3任一项所述的方法,其特征在于,所述根据预设的三维气象数据融合模型获取第二气象数据之后,根据所述第二气象数据生成待评估区域内各生长期的第三气象数据之前,还包括:
获取地面观测的第四气象数据,所述第四气象数据的类型与所述第二气象数据的类型相同;
计算所述第二气象数据与所述第四气象数据之间的相关系数和/或误差;
所述根据所述第二气象数据生成待评估区域内各生长期的第三气象数据,包括:响应于根据所述相关系数和/或所述误差确定所述第二气象数据合格,根据所述第二气象数据生成待评估区域内各生长期的第三气象数据。
8.一种农产品气候品质评估装置,其特征在于,包括第一获取模块、处理模块、第二获取模块和评估模块,所述第一获取模块用于,获取气象卫星的格点化太阳辐射数据;
所述处理模块用于,至少根据所述太阳辐射数据生成第一气象数据;
所述第二获取模块用于,根据预设的三维气象数据融合模型获取格点化的第二气象数据,并根据所述第二气象数据统计待评估区域内各生长期的第三气象数据;
所述评估模块用于,根据所述第一气象数据、所述第三气象数据和预设的指定农产品气候品质评估标准,对所述指定农产品进行气候品质评估。
9.一种计算机设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7任一项所述的基于格点化气象数据的农产品气候品质评估方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被执行时实现如权利要求1-7任一项所述的基于格点化气象数据的农产品气候品质评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378493.2A CN113052484A (zh) | 2021-04-08 | 2021-04-08 | 基于格点化气象数据的农产品气候品质评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378493.2A CN113052484A (zh) | 2021-04-08 | 2021-04-08 | 基于格点化气象数据的农产品气候品质评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113052484A true CN113052484A (zh) | 2021-06-29 |
Family
ID=76519092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110378493.2A Pending CN113052484A (zh) | 2021-04-08 | 2021-04-08 | 基于格点化气象数据的农产品气候品质评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052484A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152006A (zh) * | 2022-12-08 | 2023-05-23 | 福建省气象科学研究所 | 一种甘薯气候品质评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017127291A1 (en) * | 2016-01-22 | 2017-07-27 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
CN109165861A (zh) * | 2018-09-06 | 2019-01-08 | 中国能源建设集团江苏省电力设计院有限公司 | 一种无辐射资料地区太阳能总辐射量估算方法 |
CN110246051A (zh) * | 2019-05-23 | 2019-09-17 | 成都信息工程大学 | 作物生长周期模型及不同种类农产品建立生长周期的方法 |
CN111160680A (zh) * | 2019-03-25 | 2020-05-15 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于信息同化融合的农业干旱评估方法 |
-
2021
- 2021-04-08 CN CN202110378493.2A patent/CN113052484A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017127291A1 (en) * | 2016-01-22 | 2017-07-27 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
CN109165861A (zh) * | 2018-09-06 | 2019-01-08 | 中国能源建设集团江苏省电力设计院有限公司 | 一种无辐射资料地区太阳能总辐射量估算方法 |
CN111160680A (zh) * | 2019-03-25 | 2020-05-15 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于信息同化融合的农业干旱评估方法 |
CN110246051A (zh) * | 2019-05-23 | 2019-09-17 | 成都信息工程大学 | 作物生长周期模型及不同种类农产品建立生长周期的方法 |
Non-Patent Citations (9)
Title |
---|
PEREZ-HIGUERAS 等: ""A simplified method for estimating direct normal solar irradiation from global horizontal irradiation useful for CPV applications"", 《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》, vol. 16, no. 8 * |
刘丽莹;郑峰;张国玉;徐毅刚;杨礼艳;吕文华;边泽强;崇伟;李野;: "基于精密太阳光谱辐射计的气象辐射观测", 光谱学与光谱分析, no. 12 * |
刘文, 刘洪鹏, 王延平: "GMS卫星资料估算地表旬太阳辐射", 气象, no. 06 * |
杨可明: "遥感原理与应用", 30 September 2016, 中国矿业大学出版社, pages: 74 - 75 * |
杨春雷 等: ""菊花气候品质评价技术初探与实践"", 《农村经济与科技》, vol. 28, no. 21, pages 66 - 71 * |
杨春雷;徐阳;程东兵;杨太明;曹雯;陈金华;岳伟;: "菊花气候品质评价技术初探与实践", 农村经济与科技, no. 21 * |
王怀清 等: "FY-2C云分类资料估算日照百分率", 遥感学报, no. 05 * |
贾秋兰 等: ""曹妃甸水稻气候品质的评价"", 《贵州农业科学》, vol. 46, no. 2, pages 14 - 16 * |
赵洁;孙恩虹;杨宝钢;王颖;: "吴滩"彬哥"花椒气候品质认证指标体系研究", 江西农业, no. 13 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152006A (zh) * | 2022-12-08 | 2023-05-23 | 福建省气象科学研究所 | 一种甘薯气候品质评估方法及系统 |
CN116152006B (zh) * | 2022-12-08 | 2024-01-12 | 福建省气象科学研究所 | 一种甘薯气候品质评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Monteiro et al. | Assessment of NASA/POWER satellite‐based weather system for Brazilian conditions and its impact on sugarcane yield simulation | |
CN108509836B (zh) | 双极化合成孔径雷达与作物模型数据同化的作物估产方法 | |
CN106908415B (zh) | 一种基于修正ndvi时间序列的大区域农作物全生育期墒情监测方法 | |
CN110501761B (zh) | 一种不同预见期区域作物ETc预测预报方法 | |
CN114019579B (zh) | 高时空分辨率近地表空气温度重构方法、系统、设备 | |
Jovanovic et al. | A high-quality monthly pan evaporation dataset for Australia | |
XiaoMing et al. | Response of vegetation to temperature and precipitation in Xinjiang during the period of 1998-2009 | |
Stanhill | Global dimming: A new aspect of climate change | |
Rincón et al. | Bias correction of global irradiance modelled with weather and research forecasting model over Paraguay | |
CHENG et al. | Cold damage risk assessment of double cropping rice in Hunan, China | |
CN115808727A (zh) | 百米级阵风客观预报方法及装置 | |
CN115575601A (zh) | 基于水汽通量散度的植被旱灾指数评估方法和系统 | |
Zhou et al. | Estimation of surface albedo from meteorological observations across China | |
CN113052484A (zh) | 基于格点化气象数据的农产品气候品质评估方法及装置 | |
Rincón et al. | Assessment of short-term irradiance forecasting based on post-processing tools applied on WRF meteorological simulations | |
Devasthale et al. | The large-scale spatio-temporal variability of precipitation over Sweden observed from the weather radar network | |
Milford et al. | Monitoring of rainfall in relation to the control of migrant pests | |
Saseendran et al. | Characterization of weekly cumulative rainfall forecasts over meteorological subdivisions of India using a GCM | |
Chen et al. | Assessing effect of time scale on the solar radiation sunshine duration relationship | |
Su et al. | Preliminary assessment of regional moderate-resolution atmospheric reanalysis for Australia | |
Liu et al. | Research on apple orchard classification and yield estimation model based on GF-1 and Sentinel-2 | |
Ongoma et al. | Investigation of the possible influence of Urbanization on Rainfall Variability over Nairobi City, Kenya | |
Dahlstedt | Investigating Elevation-Dependent Warming in the Tibetan Plateau through a High-Resolution Dynamic Downscaling | |
Yu et al. | Assessing and comparing crop evapotranspiration in different climatic regions of China using reanalysis products | |
KR102222541B1 (ko) | 적산 일사량을 이용한 경사면의 낮 기온 추정 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |