CN116485174B - 一种臭氧污染对作物减产风险评估方法和装置 - Google Patents
一种臭氧污染对作物减产风险评估方法和装置 Download PDFInfo
- Publication number
- CN116485174B CN116485174B CN202310246982.1A CN202310246982A CN116485174B CN 116485174 B CN116485174 B CN 116485174B CN 202310246982 A CN202310246982 A CN 202310246982A CN 116485174 B CN116485174 B CN 116485174B
- Authority
- CN
- China
- Prior art keywords
- time
- space
- model
- yield
- crop
- 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.)
- Active
Links
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 181
- 230000009467 reduction Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004044 response Effects 0.000 claims abstract description 44
- 230000035945 sensitivity Effects 0.000 claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 25
- 238000012502 risk assessment Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 26
- 238000012821 model calculation Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 6
- 244000038559 crop plants Species 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 24
- 238000004590 computer program Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000001556 precipitation Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000012010 growth Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 240000008042 Zea mays Species 0.000 description 5
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 5
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 5
- 235000005822 corn Nutrition 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 231100000673 dose–response relationship Toxicity 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012613 in situ experiment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了一种臭氧污染对作物减产风险评估方法和装置，方法包括：获取第一区域的环境数据，生成第一模型指标数值；将第一区域划分为若干个第一子区域，生成每个第一子区域对应的第二模型指标数值；将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成回归系数；根据回归系数和单位面积产量，生成当前第一子区域的臭氧污染响应敏感值和农作物产量；根据农作物产量和无臭氧污染条件下的农作物产量，生成每个第一子区域在第一时间范围内的臭氧污染对农作物的减产结果，在区域臭氧减产风险评估模型中纳入时间与空间特征，提高区域臭氧减产风险评估模型的评估精度。
Description
技术领域
本发明涉及污染气体风险评估技术领域，尤其涉及一种臭氧污染对作物减产风险评估方法、装置和存储介质。
背景技术
近地面臭氧(O3)是一种对植物有高度毒害作用的大气污染物。伴随着城市化进程加快和化石燃料的过度燃烧，全球近地面O3浓度已超过工业革命前两倍之多，并且未来几十年内仍会持续上升，尤其是在人类活动高度发达与密集的地区。高浓度的近地面O3会加速农作物叶片的老化，减少光合作用的叶面积，降低光合速率，从而影响农作物干物质的生产和分配，并造成作物减产。
目前针对区域尺度上O3对作物产量损失的影响及其风险评估研究，大多依赖田间原位实验建立的剂量响应统计模型。但该模型方法的分析尺度相对粗糙，假定臭氧污染对作物产量的影响在全局具有统一的表现，然而实际环境中在不同空间和时间尺度上臭氧对作物产量的影响存在差异，现有的研究臭氧污染对作物减产风险的统计模型没有分别考虑臭氧在时间与空间上对作物减产不同的影响，无法准确捕捉臭氧造成减产损失的时空异质性特征，导致模型评估精度低。
发明内容
本发明提供了一种臭氧污染对作物减产风险评估方法和装置，在区域臭氧减产风险评估模型中纳入时间与空间特征，以实现提高区域臭氧减产风险评估模型的评估精度。
为了实现提高区域臭氧减产风险评估模型的评估精度，本发明实施例提供了一种臭氧污染对作物减产风险评估方法，包括：获取第一区域在第一时间范围内的环境数据，生成若干个第一模型指标数值；将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值；所述第一区域为整体研究区域，所述第一子区域由所述第一区域按照预设规则划分而来；
将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数；
根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域在第一时间范围内的臭氧污染对农作物的减产结果。
作为优选方案，本发明将作物产量对臭氧污染响应程度及其在时间和空间上的变化进行定量化，生成区域的模型指标数值，并且在模型中引入时空距离加权思想，使得模型可以捕捉臭氧及环境因素的时空非平稳性特征，以此分析作物产量在不同的时空尺度上受近地面臭氧污染的影响，获得每个时间节点和每个地理位置的作物对臭氧响应的敏感性以及作物产量损失，不仅提高了模型对作物产量损失的评估精度，同时可以在精细的时间和空间尺度上挖掘臭氧影响作物产量规律。
作为优选方案，将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值，具体为：
将第一区域划分为若干个栅格单元，将第一指标数值通过计算生成每个所述栅格单元的第三指标数值；所述计算处理包括：反距离加权空间插值和栅格计算；
将第一区域划分为若干个第一子区域，计算每个所述第一子区域所包含所有栅格单元的第三指标数值的平均值作为当前第一子区域的第二模型指标数值。
作为优选方案，本发明在空间上将目标区域划分为若干个栅格单元，再通过反距离加权空间插值的方式将点状的环境数据转换成区域上的指标数值，定量化了作物产量对臭氧污染响应程度及其在时间和空间上的变化，可以让模型在精细的时间和空间尺度上挖掘臭氧影响作物产量规律。
作为优选方案，将所有第一子区域的中心地理位置坐标、第二模型指标数值和农作物单位面积产量输入到时空地理加权回归模型之前，还包括：
获取第一区域的所有第二模型指标数值之间的共线性参数；
当所述共线性参数高于第一阈值，则重新获取环境数据和第一模型指标数值，将所述第一模型指标数值进行栅格插值处理，生成每个第一子区域对应的第二模型指标数值；
当所述共线性参数不高于第一阈值，则将所述第二模型指标数值输入到时空地理加权回归模型。
作为优选方案，本发明在将样本数据输入模型之前，对样本数据进行共线性分析，确保各自变量之间不存在显著共线性再进行模型构建，以使模型的拟合效果达到最好，提高了模型的计算精度。
作为优选方案，将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数，具体为：
获取每个样本的时空坐标，计算每个所述样本之间的时空距离；所述时空坐标包括经度、纬度和时间；根据所述时空距离，构建时空距离衰减核函数；通过修正的赤池信息准则的方式，确定所述时空距离衰减核函数的最佳空间带宽和最佳时间带宽；根据所述最佳空间带宽和所述最佳时间带宽，生成时空回归权重矩阵；所述时空回归权重矩阵的元素由时空距离衰减核函数计算得到；根据所述时空回归权重矩阵构建时空地理加权回归模型；
根据所有第一子区域的中心地理位置坐标和第一时间范围，计算出所述时空地理加权回归模型的时空权重，将所有第一子区域的农作物单位面积产量作为所述时空地理加权回归模型的因变量，将所有第一子区域的第二模型指标数值作为所述时空地理加权回归模型的环境因素变量，生成当前第一子区域的农作物产量与第二模型指标数值之间和第一时间范围内的回归系数。
作为优选方案，本发明在模型中引入时空距离加权思想，分别构建空间距离和时间距离权重矩阵，并融合为时空距离权重矩阵，构建时空地理加权回归模型，以此分析作物产量在不同的时空尺度上受近地面臭氧污染的影响，获得每个时间节点和每个地理位置的作物对臭氧响应的敏感性以及作物产量损失，可以在时间尺度和空间尺度上进行作物产量损失结果的可视化，使得分析结果更加清晰直观，不仅提高了模型对作物产量损失的评估精度，同时可以在精细的时间和空间尺度上挖掘臭氧影响作物产量规律。
作为优选方案，根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量，具体为：
根据当前第一子区域的第一回归系数和在第一时间范围内的农作物单位面积产量的比值，生成农作物对于近地面臭氧污染的响应敏感值；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；所述响应敏感值为臭氧指标数值上升1个单位时农作物单位面积产量下降的百分比；
根据当前第一子区域的种植面积和在第一时间段内的农作物单位面积产量的乘积，生成当前第一子区域的第一农作物产量。
作为优选方案，本发明在模型中引入时空距离加权思想，构建时空地理加权回归模型，分析作物产量在不同的时空尺度上受近地面臭氧污染的影响，获得每个时间节点和每个地理位置的作物对臭氧响应的敏感性以及作物产量，实现在精细的时间与空间尺度上评估近地面臭氧污染对农作物产量损失，以及进行可视化分析。
作为优选方案，根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域的臭氧污染对农作物的减产结果，具体为：
将所有第一子区域的第二模型指标数值中的臭氧指标数值置零输入到时空地理加权回归模型，生成每个第一子区域的农作物产量在无臭氧污染条件下的第二农作物产量；
将第一农作物产量和所述第二农作物产量相减，生成每个第一子区域的臭氧污染对农作物的减产结果。
作为优选方案，本发明根据模型计算的作物产量，进一步通过对比有和无臭氧污染影响的条件下的农作物产量，评估近地面臭氧污染对农作物产量损失，可以根据分析结果采取科学的管理措施和治理手段。
相应地，本发明还提供一种臭氧污染对作物减产风险评估装置，包括：数据处理模块、模型计算模块和结果分析模块；
其中，所述数据处理模块用于获取第一区域在第一时间范围内的环境数据，生成若干个第一模型指标数值；将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值；所述第一区域为整体研究区域，所述第一子区域由所述第一区域按照预设规则划分而来；
所述模型计算模块用于将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数；
所述结果分析模块用于根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域在第一时间范围内的臭氧污染对农作物的减产结果。
作为优选方案，本发明数据处理模块将作物产量对臭氧污染响应程度及其在时间和空间上的变化进行定量化，生成区域的模型指标数值，模型计算模块在模型中引入时空距离加权思想，使得模型可以捕捉臭氧及环境因素的时空非平稳性特征，以此分析作物产量在不同的时空尺度上受近地面臭氧污染的影响，获得每个时间节点和每个地理位置的作物对臭氧响应的敏感性；结果分析模块对作物产量损失进行分析，本发明不仅提高了模型对作物产量损失的评估精度，同时可以在精细的时间和空间尺度上挖掘臭氧影响作物产量规律。
作为优选方案，数据处理模块包括数据处理单元和数据检验单元；
其中，所述数据处理单元用于将第一区域划分为若干个栅格单元，将第一指标数值通过计算生成每个所述栅格单元的第三指标数值；所述计算处理包括：反距离加权空间插值和栅格计算；将第一区域划分为若干个第一子区域，计算每个所述第一子区域所包含所有栅格单元的第三指标数值的平均值作为当前第一子区域的第二模型指标数值；
所述数据检验单元用于获取第一区域的所有第二模型指标数值之间的共线性参数；当所述共线性参数高于第一阈值，则重新获取环境数据和第一模型指标数值，将所述第一模型指标数值进行栅格插值处理，生成每个第一子区域对应的第二模型指标数值；当所述共线性参数不高于第一阈值，则将所述第二模型指标数值输入到时空地理加权回归模型。
作为优选方案，本发明数据处理单元在空间上将目标区域划分为若干个栅格单元，再通过反距离加权空间插值的方式将点状的环境数据转换成区域上的指标数值，定量化了作物产量对臭氧污染响应程度及其在时间和空间上的变化，可以让模型在精细的时间和空间尺度上挖掘臭氧影响作物产量规律；数据检验单元在将样本数据输入模型之前，对样本数据进行共线性分析，确保各自变量之间不存在显著共线性再进行模型构建，以使模型的拟合效果达到最好，提高了模型的计算精度。
作为优选方案，模型计算模块包括构建单元和计算单元；
其中，所述构建单元用于获取每个样本的时空坐标，计算每个所述样本之间的时空距离；所述时空坐标包括经度、纬度和时间；根据所述时空距离，构建时空距离衰减核函数；通过修正的赤池信息准则的方式，确定所述时空距离衰减核函数的最佳空间带宽和最佳时间带宽；根据所述最佳空间带宽和所述最佳时间带宽，生成时空回归权重矩阵；所述时空回归权重矩阵的元素由时空距离衰减核函数计算得到；根据所述时空回归权重矩阵构建时空地理加权回归模型；
计算单元用于根据所有第一子区域的中心地理位置坐标和第一时间范围，计算出所述时空地理加权回归模型的时空权重，将所有第一子区域的农作物单位面积产量作为所述时空地理加权回归模型的因变量，将所有第一子区域的第二模型指标数值作为所述时空地理加权回归模型的环境因素变量，生成当前第一子区域的农作物产量与第二模型指标数值之间在第一时间范围内的回归系数。
作为优选方案，本发明构建单元在模型中引入时空距离加权思想，分别构建空间距离和时间距离权重矩阵，并融合为时空距离权重矩阵，构建时空地理加权回归模型，计算单元分析作物产量在不同的时空尺度上受近地面臭氧污染的影响，获得每个时间节点和每个地理位置的作物对臭氧响应的敏感性以及作物产量损失，可以在时间尺度和空间尺度上进行作物产量损失结果的可视化，使得分析结果更加清晰直观，不仅提高了模型对作物产量损失的评估精度，同时可以在精细的时间和空间尺度上挖掘臭氧影响作物产量规律。
作为优选方案，结果分析模块包括响应分析单元和减产分析单元；
其中，所述响应分析单元用于根据当前第一子区域的第一回归系数和在第一时间段内的农作物单位面积产量的比值，生成农作物对于近地面臭氧污染的响应敏感值；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；所述响应敏感值为臭氧指标数值上升1个单位时单位面积产量下降的百分比；
所述减产分析单元用于根据当前第一子区域的种植面积和在第一时间段内的农作物单位面积产量的乘积，生成当前第一子区域的第一农作物产量；将所有第一子区域的第二模型指标数值中的臭氧指标数值置零输入到时空地理加权回归模型，生成每个第一子区域的农作物产量在无臭氧污染条件下的第二农作物产量；将第一农作物产量和所述第二农作物产量相减，生成每个第一子区域的臭氧污染对农作物的减产结果。
作为优选方案，本发明响应分析单元根据模型计算的作物产量，进一步通过对比有和无臭氧污染影响的条件下的农作物产量，减产分析单元评估近地面臭氧污染对农作物产量损失，可以根据分析结果采取科学的管理措施和治理手段。
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如本发明内容所述的一种臭氧污染对作物减产风险评估方法。
附图说明
图1是本发明提供的一种臭氧污染对作物减产风险评估方法的一种实施例的流程示意图；
图2是本发明提供的一种臭氧污染对作物减产风险评估方法的一种实施例的玉米产量对臭氧指标AOT40敏感性的空间分布图；
图3是本发明提供的一种臭氧污染对作物减产风险评估方法的一种实施例的臭氧污染下玉米产量年均变化空间分布图；
图4是本发明提供的一种臭氧污染对作物减产风险评估装置的一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参照图1，为本发明实施例提供的一种臭氧污染对作物减产风险评估方法，包括步骤S101-S103：
步骤S101：获取第一区域在第一时间范围内的环境数据，生成若干个第一模型指标数值；将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值；
在本实施例中，获取研究区域，即第一区域内的每个气象站点的气象数据和小时级臭氧数据；所述小时级臭氧数据可以是通过空气质量监测气象站点获取或者通过小时级近地面臭氧浓度遥感数据产品获取，所述气象数据包括：日降水量数据、日平均气温和日最高温度数据；所述气象数据可以通过由气象监测站点获取或者由日尺度降水量、平均气温和最高气温遥感数据产品获取。
在本实施例中，根据第一区域内的每个气象站点的气象数据和小时级臭氧数据，计算出每个气象站点对应的第一模型指标数值，所述第一模型指标数值包括：臭氧指标、降水指标、第一温度指标和第二温度指标；
所述臭氧指标为每小时臭氧浓度超过40ppb阈值的累计指标AOT40：
其中,Oh为8：00-20：00期间每小时的臭氧浓度，单位为ppb，n是农作物生长阶段内的8：00-20：00间总小时数。
所述降水指标为累计降水指标PPT，是指农作物生长阶段累计总计降水量，具体计算公式如下:
其中,Ph为每日降水量，n是农作物生长季阶段内总天数。
所述第一温度指标为累计温度指标GDD，是每日平均温度在农作物适宜生长温度区间内累计指标，具体计算公式如下：
其中Tmean是日平均温度，Topt是农作物最佳最高生长温度，Tbase是农作物最低生长温度阈值，N是每种作物生长季节的总天数。
所述第二温度指标为超过适宜生长温度累计指标KDD，是日最高温度超过农作物最佳最高生长温度在生长季时间范围内累计，具体计算公式如下：
其中Tmax是日最高温度，Topt是农作物最佳最高生长温度，N是每种作物生长季节的总天数。
在本实施例中，将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值，具体为：
将第一区域划分为若干个栅格单元，将第一指标数值通过计算生成每个所述栅格单元的第三指标数值；所述计算处理包括：反距离加权空间插值和栅格计算；
将第一区域划分为若干个第一子区域，计算每个所述第一子区域所包含所有栅格单元的第三指标数值的平均值作为当前第一子区域的第二模型指标数值。
在本实施例中，将第一区域划分为若干个相同的栅格单元，将从空气质量检测站点获取的气象数据和小时级臭氧数据通过反距离加权空间插值的方式生成每个所述栅格单元的臭氧指标数值；将从气象站点获取的气象数据，如日降水量数据、日平均气温和日最高温度数据通过栅格插值的方式生成每个所述栅格单元的对应的气象指标数值；将从栅格数据产品获取的气象数据直接通过统一和第一区域的栅格分辨率作为对应的气象指标数值。
将第一区域中离散的气象站点数据通过反距离加权空间插值的方式填充成第一区域中的像素值，如果是从栅格数据产品获取的气象数据则通过第一子区域统计均值计算。
在本实施例中，按照行政区划范围，将第一区域划分为若干个第一子区域，一个行政区划范围对应一个第一子区域，所述行政区划范围包括：省、市或县等，示例性地，按照县的行政区划范围，将第一区域划分为若干个县，将每个县所包含的栅格单元的第三指标数值取平均值，作为当前市的第二模型指标数值。
在本实施例中，将所有第一子区域的中心地理位置坐标、第二模型指标数值和农作物单位面积产量输入到时空地理加权回归模型之前，还包括：
获取第一区域的所有第二模型指标数值之间的共线性参数；
当所述共线性参数高于第一阈值，则重新获取环境数据和第一模型指标数值，将所述第一模型指标数值进行栅格插值处理，生成每个第一子区域对应的第二模型指标数值；
当所述共线性参数不高于第一阈值，则将所述第二模型指标数值输入到时空地理加权回归模型。
步骤S102：将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数；
在本实施例中，将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数，具体为：
获取每个样本的时空坐标，计算每个所述样本之间的时空距离；所述时空坐标包括经度、纬度和时间；根据所述时空距离，构建时空距离衰减核函数；通过修正的赤池信息准则的方式，确定所述时空距离衰减核函数的最佳空间带宽和最佳时间带宽；根据所述最佳空间带宽和所述最佳时间带宽，生成时空回归权重矩阵；所述时空回归权重矩阵的元素由时空距离衰减核函数计算得到；根据所述时空回归权重矩阵构建时空地理加权回归模型；
根据所有第一子区域的中心地理位置坐标和第一时间范围，计算出所述时空地理加权回归模型的时空权重，将所有第一子区域的农作物单位面积产量作为所述时空地理加权回归模型的因变量，将所有第一子区域的第二模型指标数值作为所述时空地理加权回归模型的环境因素变量，生成当前第一子区域的农作物产量与第二模型指标数值之间在第一时间范围内的回归系数。
在本实施例中，获取每个样本的时空坐标，计算每个所述样本之间的时空距离；所述时空坐标包括经度、纬度和时间；
是样本i和j之间的时空距离：
此处，λ和μ是比例因子，用于平衡用各自单位系统中空间和时间距离的不同效果；ui为样本i的经度、vi为样本i的纬度、ti为样本i的时间；uj为样本j的经度、vj为样本j的纬度、tj为样本j的时间；
对于时空带宽hST，空间带宽hS和时间带宽hT之间的关系是：
(hS)2＝(hST)2/λ；
(hT)2＝(hST)2/μ；
入的值可以设置为1以减少计算量而不失一般性。因此，μ用于放大或缩小时间距离效应以匹配空间距离。
根据所述时空距离，构建时空距离衰减核函数；
所述时空距离衰减核函数由高斯核函数或双平方核函数计算得到，具体公式如下：
高斯核函数：
双平方核函数：
通过修正的赤池信息准则的方式，确定所述时空距离衰减核函数的最佳空间带宽和最佳时间带宽：
其中n是样本数量，是地理加权回归模型误差项的估计标准差，tr(S)是S的迹，S是地理加权回归模型带宽为hST时的帽子矩阵，当AICc值最小时取得最佳空间带宽和最佳时间带宽，其中第i个样本的S行表示如下：
Si＝Xi(XTWiX)-1XTWi；
其中，X是自变量矩阵，Xi是第i个因变量向量。
根据所述最佳空间带宽和所述最佳时间带宽，生成对应的时空距离衰减核函数，生成时空回归权重矩阵；所述时空回归权重矩阵的元素由时空距离衰减核函数计算得到；
时空回归权重矩阵为n×n维度的对角矩阵：
根据所述时空回归权重矩阵构建时空地理加权回归模型：
其中(ui，vi，ti)是第i个样本的时空坐标，ui、vi、ti分别表示第i个样本的经度、纬度、时间；yi为(ui，vi，ti)坐标位置的农作物单位面积产量，β0(ui，vi，ti)是截距项，xik为i样本的第k个环境因素变量，环境因素变量包括臭氧指标AOT40、降水指标PPT、第一温度指标GDD和第二温度指标KDD。p是方程中环境因素变量的总个数。βk(ui，vi，ti)表示样本i的第k个环境变量的回归系数，基于加权最小二乘方法进行计算，具体计算公式如下：
其中，X是n×(p+1)维度的自变量矩阵，其中第一列全为1代表截距项元素，Y是因变量向量，具体为：
利用以上获得的所述最佳空间带宽和所述最佳时间带宽生成的时空回归权重矩阵构建时空地理加权回归方程，故因变量的估计值计算如下：
在本实施例中，将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数。
步骤S103：根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域在第一时间范围内的臭氧污染对农作物的减产结果。
在本实施例中，根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量，具体为：
根据当前第一子区域的第一回归系数和在第一时间范围内的农作物单位面积产量的比值，生成农作物对于近地面臭氧污染的响应敏感值；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；所述响应敏感值为臭氧指标数值上升1个单位时农作物单位面积产量下降的百分比；
根据当前第一子区域的种植面积和在第一时间段内的农作物单位面积产量的乘积，生成当前第一子区域的第一农作物产量。
在本实施例中，获取当前第一子区域在第一时间范围内的臭氧指标对应的回归系数β，其代表的含义是臭氧指标每增加1单位，单位面积的产量损失β单位；将回归系数β和对应单位面积产量的比值作为臭氧指标AOT40的响应敏感性，其含义是臭氧指标AOT40上升1个单位，单位面积产量下降的百分比。
请参考图2，为第一区域内每个县在预设时间范围内的玉米产量对臭氧指标AOT40敏感性的空间分布图，可以获得每个县的臭氧指标AOT40上升1个单位，平均单位面积产量下降的百分比。
在本实施例中，根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域的臭氧污染对农作物的减产结果，具体为：
将所有第一子区域的第二模型指标数值中的臭氧指标数值置零输入到时空地理加权回归模型，生成每个第一子区域的农作物产量在无臭氧污染条件下的第二农作物产量；
将第一农作物产量和所述第二农作物产量相减，生成每个第一子区域的臭氧污染对农作物的减产结果。
在本实施例中，将所有第一子区域的第二模型指标数值中的臭氧指标数值置零，其他第二模型指标数值(降水指标、第一温度指标和第二温度指标)保持不变输入到时空地理加权回归模型，生成每个第一子区域的农作物产量在无臭氧污染条件下的第二农作物产量；
在本实施例中，通过将每个县的农作物单位面积产量和农作物种植面积相乘可以得到在预设时间范围内在臭氧污染条件下的农作物产量，将模型中臭氧指标置为0值，通过模型可以得到预估无臭氧污染条件下农作物产量，两种产量之间相减即可评估每个县由近地面臭氧污染造成的农作物产量损失情况，请参考图3，为1981-2021年第一区域内在臭氧污染下玉米产量年均变化空间分布图，可以获得每个县在臭氧污染下玉米产量年均变化，结合每个县农作物在市场的收购价格，可以定量估算臭氧污染导致的经济损失。
实施本发明实施例，具有如下效果：
本发明将作物产量对臭氧污染响应程度及其在时间和空间上的变化进行定量化，生成区域的模型指标数值，并且在模型中引入时空距离加权思想，使得模型可以捕捉臭氧及环境因素的时空非平稳性特征，以此分析作物产量在不同的时空尺度上受近地面臭氧污染的影响，获得每个时间节点和每个地理位置的作物对臭氧响应的敏感性以及作物产量损失，不仅提高了模型对作物产量损失的评估精度，同时可以在精细的时间和空间尺度上挖掘臭氧影响作物产量规律。
实施例二
请参照图2，为本发明实施例提供的一种臭氧污染对作物减产风险评估装置，包括：数据处理模块201、模型计算模块202和结果分析模块203；
其中，所述数据处理模块201用于获取第一区域在第一时间范围内的环境数据，生成若干个第一模型指标数值；将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值；所述第一区域为整体研究区域，所述第一子区域由所述第一区域按照预设规则划分而来；
所述模型计算模块202用于将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数；
所述结果分析模块203用于根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域在第一时间范围内的臭氧污染对农作物的减产结果。
数据处理模块201包括数据处理单元和数据检验单元；
其中，所述数据处理单元用于将第一区域划分为若干个栅格单元，将第一指标数值通过计算生成每个所述栅格单元的第三指标数值；所述计算处理包括：反距离加权空间插值和栅格计算；将第一区域划分为若干个第一子区域，计算每个所述第一子区域所包含所有栅格单元的第三指标数值的平均值作为当前第一子区域的第二模型指标数值；
所述数据检验单元用于获取第一区域的所有第二模型指标数值之间的共线性参数；当所述共线性参数高于第一阈值，则重新获取环境数据和第一模型指标数值，将所述第一模型指标数值进行栅格插值处理，生成每个第一子区域对应的第二模型指标数值；当所述共线性参数不高于第一阈值，则将所述第二模型指标数值输入到时空地理加权回归模型。
模型计算模块202包括构建单元和计算单元；
其中，所述构建单元用于获取每个样本的时空坐标，计算每个所述样本之间的时空距离；所述时空坐标包括经度、纬度和时间；根据所述时空距离，构建时空距离衰减核函数；通过修正的赤池信息准则的方式，确定所述时空距离衰减核函数的最佳空间带宽和最佳时间带宽；根据所述最佳空间带宽和所述最佳时间带宽，生成时空回归权重矩阵；所述时空回归权重矩阵的元素由时空距离衰减核函数计算得到；根据所述时空回归权重矩阵构建时空地理加权回归模型；
计算单元用于根据所有第一子区域的中心地理位置坐标和第一时间范围，计算出所述时空地理加权回归模型的时空权重，将所有第一子区域的农作物单位面积产量作为所述时空地理加权回归模型的因变量，将所有第一子区域的第二模型指标数值作为所述时空地理加权回归模型的环境因素变量，生成当前第一子区域的农作物产量与第二模型指标数值之间在第一时间范围内的回归系数。
结果分析模块203包括响应分析单元和减产分析单元；
其中，所述响应分析单元用于根据当前第一子区域的第一回归系数和在第一时间段内的农作物单位面积产量的比值，生成农作物对于近地面臭氧污染的响应敏感值；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；所述响应敏感值为臭氧指标数值上升1个单位时单位面积产量下降的百分比；
所述减产分析单元用于根据当前第一子区域的种植面积和在第一时间段内的农作物单位面积产量的乘积，生成当前第一子区域的第一农作物产量；将所有第一子区域的第二模型指标数值中的臭氧指标数值置零输入到时空地理加权回归模型，生成每个第一子区域的农作物产量在无臭氧污染条件下的第二农作物产量；将第一农作物产量和所述第二农作物产量相减，生成每个第一子区域的臭氧污染对农作物的减产结果。
上述的一种臭氧污染对作物减产风险评估装置可实施上述方法实施例的一种臭氧污染对作物减产风险评估方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
实施本发明实施例，具有如下效果：
本发明数据处理模块将作物产量对臭氧污染响应程度及其在时间和空间上的变化进行定量化，生成区域的模型指标数值，模型计算模块在模型中引入时空距离加权思想，使得模型可以捕捉臭氧及环境因素的时空非平稳性特征，以此分析作物产量在不同的时空尺度上受近地面臭氧污染的影响，获得每个时间节点和每个地理位置的作物对臭氧响应的敏感性；结果分析模块对作物产量损失进行分析，本发明不仅提高了模型对作物产量损失的评估精度，同时可以在精细的时间和空间尺度上挖掘臭氧影响作物产量规律。
实施例三
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的一种臭氧污染对作物减产风险评估方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据移动终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种臭氧污染对作物减产风险评估方法，其特征在于，包括：
获取第一区域在第一时间范围内的环境数据，生成若干个第一模型指标数值；将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值；
将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数；
根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域在第一时间范围内的臭氧污染对农作物的减产结果。
2.如权利要求1所述的一种臭氧污染对作物减产风险评估方法，其特征在于，所述将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值，具体为：
将第一区域划分为若干个栅格单元，将第一指标数值通过计算生成每个所述栅格单元的第三指标数值；所述计算处理包括：反距离加权空间插值和栅格计算；
将第一区域划分为若干个第一子区域，计算每个所述第一子区域所包含所有栅格单元的第三指标数值的平均值作为当前第一子区域的第二模型指标数值。
3.如权利要求1所述的一种臭氧污染对作物减产风险评估方法，其特征在于，所述将所有第一子区域的中心地理位置坐标、第二模型指标数值和农作物单位面积产量输入到时空地理加权回归模型之前，还包括：
获取第一区域的所有第二模型指标数值之间的共线性参数；
当所述共线性参数高于第一阈值，则重新获取环境数据和第一模型指标数值，将所述第一模型指标数值进行栅格插值处理，生成每个第一子区域对应的第二模型指标数值；
当所述共线性参数不高于第一阈值，则将所述第二模型指标数值输入到时空地理加权回归模型。
4.如权利要求1所述的一种臭氧污染对作物减产风险评估方法，其特征在于，所述将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数，具体为：
获取每个样本的时空坐标，计算每个所述样本之间的时空距离；所述时空坐标包括经度、纬度和时间；根据所述时空距离，构建时空距离衰减核函数；通过修正的赤池信息准则的方式，确定所述时空距离衰减核函数的最佳空间带宽和最佳时间带宽；根据所述最佳空间带宽和所述最佳时间带宽，生成时空回归权重矩阵；所述时空回归权重矩阵的元素由时空距离衰减核函数计算得到；根据所述时空回归权重矩阵构建时空地理加权回归模型；
根据所有第一子区域的中心地理位置坐标和第一时间范围，计算出所述时空地理加权回归模型的时空权重，将所有第一子区域的农作物单位面积产量作为所述时空地理加权回归模型的因变量，将所有第一子区域的第二模型指标数值作为所述时空地理加权回归模型的环境因素变量，生成当前第一子区域的农作物产量与第二模型指标数值之间在第一时间范围内的回归系数。
5.如权利要求1所述的一种臭氧污染对作物减产风险评估方法，其特征在于，所述根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量，具体为：
根据当前第一子区域的第一回归系数和在第一时间范围内的农作物单位面积产量的比值，生成农作物对于近地面臭氧污染的响应敏感值；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；所述响应敏感值为臭氧指标数值上升1个单位时农作物单位面积产量下降的百分比；
根据当前第一子区域的种植面积和在第一时间段内的农作物单位面积产量的乘积，生成当前第一子区域的第一农作物产量。
6.如权利要求5所述的一种臭氧污染对作物减产风险评估方法，其特征在于，所述根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域的臭氧污染对农作物的减产结果，具体为：
将所有第一子区域的第二模型指标数值中的臭氧指标数值置零输入到时空地理加权回归模型，生成每个第一子区域的农作物产量在无臭氧污染条件下的第二农作物产量；
将第一农作物产量和所述第二农作物产量相减，生成每个第一子区域的臭氧污染对农作物的减产结果。
7.一种臭氧污染对作物减产风险评估装置，其特征在于，包括：数据处理模块、模型计算模块和结果分析模块；
其中，所述数据处理模块用于获取第一区域在第一时间范围内的环境数据，生成若干个第一模型指标数值；将所述第一区域划分为若干个第一子区域，将所述第一模型指标数值进行计算处理，生成每个所述第一子区域对应的第二模型指标数值；所述第一区域为整体研究区域，所述第一子区域由所述第一区域按照预设规则划分而来；
所述模型计算模块用于将所有第一子区域的中心地理位置坐标、第二模型指标数值和在第一时间范围的农作物单位面积产量输入到时空地理加权回归模型，生成每个第一子区域的农作物产量与第二模型指标数值之间的回归系数；
所述结果分析模块用于根据每个第一子区域的第一回归系数和所述农作物单位面积产量，生成当前第一子区域的农作物在第一时间范围内对于近地面臭氧污染的响应敏感值和第一农作物产量；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；根据所述第一农作物产量和对应无臭氧污染条件下的第二农作物产量，生成每个第一子区域在第一时间范围内的臭氧污染对农作物的减产结果。
8.如权利要求7所述的一种臭氧污染对作物减产风险评估装置，其特征在于，所述数据处理模块包括数据处理单元和数据检验单元；
其中，所述数据处理单元用于将第一区域划分为若干个栅格单元，将第一指标数值通过计算生成每个所述栅格单元的第三指标数值；所述计算处理包括：反距离加权空间插值和栅格计算；将第一区域划分为若干个第一子区域，计算每个所述第一子区域所包含所有栅格单元的第三指标数值的平均值作为当前第一子区域的第二模型指标数值；
所述数据检验单元用于获取第一区域的所有第二模型指标数值之间的共线性参数；当所述共线性参数高于第一阈值，则重新获取环境数据和第一模型指标数值，将所述第一模型指标数值进行栅格插值处理，生成每个第一子区域对应的第二模型指标数值；当所述共线性参数不高于第一阈值，则将所述第二模型指标数值输入到时空地理加权回归模型。
9.如权利要求7所述的一种臭氧污染对作物减产风险评估装置，其特征在于，所述模型计算模块包括构建单元和计算单元；
其中，所述构建单元用于获取每个样本的时空坐标，计算每个所述样本之间的时空距离；所述时空坐标包括经度、纬度和时间；根据所述时空距离，构建时空距离衰减核函数；通过修正的赤池信息准则的方式，确定所述时空距离衰减核函数的最佳空间带宽和最佳时间带宽；根据所述最佳空间带宽和所述最佳时间带宽，生成时空回归权重矩阵；所述时空回归权重矩阵的元素由时空距离衰减核函数计算得到；根据所述时空回归权重矩阵构建时空地理加权回归模型；
计算单元用于根据所有第一子区域的中心地理位置坐标和第一时间范围，计算出所述时空地理加权回归模型的时空权重，将所有第一子区域的农作物单位面积产量作为所述时空地理加权回归模型的因变量，将所有第一子区域的第二模型指标数值作为所述时空地理加权回归模型的环境因素变量，生成当前第一子区域的农作物产量与第二模型指标数值之间在第一时间范围内的回归系数。
10.如权利要求7所述的一种臭氧污染对作物减产风险评估装置，其特征在于，所述结果分析模块包括响应分析单元和减产分析单元；
其中，所述响应分析单元用于根据当前第一子区域的第一回归系数和在第一时间段内的农作物单位面积产量的比值，生成农作物对于近地面臭氧污染的响应敏感值；所述第一回归系数为农作物产量与臭氧指标数值之间的回归系数；所述响应敏感值为臭氧指标数值上升1个单位时单位面积产量下降的百分比；
所述减产分析单元用于根据当前第一子区域的种植面积和在第一时间段内的农作物单位面积产量的乘积，生成当前第一子区域的第一农作物产量；将所有第一子区域的第二模型指标数值中的臭氧指标数值置零输入到时空地理加权回归模型，生成每个第一子区域的农作物产量在无臭氧污染条件下的第二农作物产量；将第一农作物产量和所述第二农作物产量相减，生成每个第一子区域的臭氧污染对农作物的减产结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310246982.1A CN116485174B (zh) | 2023-03-14 | 2023-03-14 | 一种臭氧污染对作物减产风险评估方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310246982.1A CN116485174B (zh) | 2023-03-14 | 2023-03-14 | 一种臭氧污染对作物减产风险评估方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116485174A CN116485174A (zh) | 2023-07-25 |
| CN116485174B true CN116485174B (zh) | 2023-09-19 |
Family
ID=87225811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310246982.1A Active CN116485174B (zh) | 2023-03-14 | 2023-03-14 | 一种臭氧污染对作物减产风险评估方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116485174B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726474B (zh) * | 2023-12-18 | 2024-10-01 | 中山大学 | 臭氧对农田生态系统生产力非线性影响的评估方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2615561A1 (en) * | 2012-01-13 | 2013-07-17 | ATS Group (IP Holdings) Limited | Spatio-temporal regression using decision criteria and rules to select data for regression |
| CN109597969A (zh) * | 2019-01-25 | 2019-04-09 | 南京大学 | 一种近地面臭氧浓度估算方法 |
| CN109871552A (zh) * | 2017-12-01 | 2019-06-11 | 中国农业大学 | 一种不同深度的土壤温度估算方法 |
| CN111078678A (zh) * | 2019-12-18 | 2020-04-28 | 中国气象局乌鲁木齐沙漠气象研究所 | 一种基于多源信息融合与降尺度的卫星降水数据校正方法 |
| CN113553551A (zh) * | 2021-07-28 | 2021-10-26 | 生态环境部华南环境科学研究所 | 一种耦合景观格局的臭氧浓度预测模型 |
| CN113888381A (zh) * | 2021-09-24 | 2022-01-04 | 中科三清科技有限公司 | 污染物浓度预报方法及装置 |
| CN114118662A (zh) * | 2021-06-24 | 2022-03-01 | 天津大学 | 大气污染区域联防联控制度政策评估方法 |
| CN114219262A (zh) * | 2021-12-09 | 2022-03-22 | 农业农村部环境保护科研监测所 | 一种区域农产品超标概率预测及误差分析方法 |
| CN115033809A (zh) * | 2022-05-20 | 2022-09-09 | 浙江工业大学 | 一种城市颗粒物时空管控方法 |
| CN115545311A (zh) * | 2022-10-11 | 2022-12-30 | 中国科学院西北生态环境资源研究院 | 一种农作物估产方法、装置、存储介质及电子设备 |
-
2023
- 2023-03-14 CN CN202310246982.1A patent/CN116485174B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2615561A1 (en) * | 2012-01-13 | 2013-07-17 | ATS Group (IP Holdings) Limited | Spatio-temporal regression using decision criteria and rules to select data for regression |
| CN109871552A (zh) * | 2017-12-01 | 2019-06-11 | 中国农业大学 | 一种不同深度的土壤温度估算方法 |
| CN109597969A (zh) * | 2019-01-25 | 2019-04-09 | 南京大学 | 一种近地面臭氧浓度估算方法 |
| CN111078678A (zh) * | 2019-12-18 | 2020-04-28 | 中国气象局乌鲁木齐沙漠气象研究所 | 一种基于多源信息融合与降尺度的卫星降水数据校正方法 |
| CN114118662A (zh) * | 2021-06-24 | 2022-03-01 | 天津大学 | 大气污染区域联防联控制度政策评估方法 |
| CN113553551A (zh) * | 2021-07-28 | 2021-10-26 | 生态环境部华南环境科学研究所 | 一种耦合景观格局的臭氧浓度预测模型 |
| CN113888381A (zh) * | 2021-09-24 | 2022-01-04 | 中科三清科技有限公司 | 污染物浓度预报方法及装置 |
| CN114219262A (zh) * | 2021-12-09 | 2022-03-22 | 农业农村部环境保护科研监测所 | 一种区域农产品超标概率预测及误差分析方法 |
| CN115033809A (zh) * | 2022-05-20 | 2022-09-09 | 浙江工业大学 | 一种城市颗粒物时空管控方法 |
| CN115545311A (zh) * | 2022-10-11 | 2022-12-30 | 中国科学院西北生态环境资源研究院 | 一种农作物估产方法、装置、存储介质及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 一种协同时空地理加权回归PM2.5浓度估算方法;赵阳阳;刘纪平;杨毅;石丽红;王梅;;测绘科学(第12期);177-183 * |
| 农业环境对粮食生产收益的新挑战――以近地面臭氧污染下的冬小麦种植为例;杨泳冰;易福金;胡浩;;中国农村经济(第09期);74-84 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116485174A (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vargo et al. | Anthropogenic warming forces extreme annual glacier mass loss | |
| CN108764643B (zh) | 大范围作物病害风险评估方法 | |
| Rasmussen et al. | The challenge of reproducing remote sensing data from satellites and unmanned aerial vehicles (UAVs) in the context of management zones and precision agriculture | |
| US11719858B2 (en) | Determination of location-specific weather information for agronomic decision support | |
| CN116485174B (zh) | 一种臭氧污染对作物减产风险评估方法和装置 | |
| CN113553697B (zh) | 基于长时序多源数据的煤炭开采植被扰动分析方法 | |
| US20210209747A1 (en) | Unmanned aerial system genotype analysis using machine learning routines | |
| US20240087311A1 (en) | Remote soil and vegetation properties determination method and system | |
| CN111426633A (zh) | 一种夜间pm2.5质量浓度估算方法和装置 | |
| CN114254802A (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
| CN111985421A (zh) | 基于地理加权回归模型的耕地田坎系数估算方法及装置 | |
| CN117710833B (zh) | 基于云计算的测绘地理信息数据采集方法及相关装置 | |
| CN116450700A (zh) | 极轨卫星地表温度时间归一化方法、装置及电子设备 | |
| Hosokawa et al. | Contrasting area and yield responses to extreme climate contributes to climate-resilient rice production in Asia | |
| CN112241981A (zh) | 一种验证农作物种植面积二类测量数据精度的方法及装置 | |
| CN113240340B (zh) | 基于模糊分类的大豆种植区分析方法、装置、设备和介质 | |
| Chen et al. | Assessing scalar concentration footprint climatology and land surface impacts on tall-tower CO 2 concentration measurements in the boreal forest of central Saskatchewan, Canada | |
| CN114611699A (zh) | 土壤水分降尺度方法、装置、电子设备及存储介质 | |
| CN112697723A (zh) | 一种基于无人机高光谱大田烟草产量预测方法及系统 | |
| CN115629431B (zh) | 一种水汽含量预测方法、装置、设备及介质 | |
| CN112528555B (zh) | 一种土壤水分图绘制方法及装置 | |
| CN116167509B (zh) | 气温预测方法、装置、存储介质及电子设备 | |
| Vainiger et al. | Supervised learning calibration of an atmospheric LiDAR | |
| CN117496351A (zh) | 基于微波遥感的农田灌溉频率确定方法及装置、计算设备 | |
| PATTANAYEK et al. | Future Rainfall Projection Using Modified Local Intensity Scaling (M-LOCI) Method. |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |