本發(fā)明屬于農(nóng)業(yè)水土工程技術(shù)領(lǐng)域，具體的涉及一種多源作物需水量整合方法。

背景技術(shù)：

作物需水量是水土資源平衡計算、灌溉工程規(guī)劃設(shè)計與運行管理中不可或缺的基礎(chǔ)數(shù)據(jù)。國內(nèi)外提出了很多測定和估算作物需水量的方法。這些方法在其各自的應(yīng)用范圍內(nèi)雖然都有一定的精度，但也有各自的特點：通過布設(shè)監(jiān)測站點測定的作物需水量精度較高，但受人力、物力、技術(shù)手段及外部大環(huán)境影響，數(shù)據(jù)存在缺失現(xiàn)象，如20世紀(jì)80年代建立的灌溉試驗數(shù)據(jù)庫，雖具有一定的系統(tǒng)性，但不少站點在個別時間仍有缺失現(xiàn)象。利用常規(guī)氣象觀測資料采用作物系數(shù)法計算的作物需水量，盡管也具有一定精度，但同樣存在數(shù)據(jù)缺失問題。利用遙感獲取的作物需水信息多是不同空間粒度的瞬時面數(shù)據(jù)，要想獲得多年平均的整個生育期需水量必須進行時空尺度轉(zhuǎn)換，在時空尺度轉(zhuǎn)換過程中常常產(chǎn)生一定程度的不確定性。另外，研究論文和課題報告也是作物需水信息來源之一，但其通常是某一具體年份的歷史數(shù)據(jù)，缺乏系統(tǒng)性。綜上所述，作物需水量數(shù)據(jù)來源多，存在時空錯位，系列長度短等問題，導(dǎo)致不少數(shù)據(jù)難以滿足灌溉工程規(guī)劃、設(shè)計及精細管理的實際需求。

灌溉工程的規(guī)劃、設(shè)計要求數(shù)據(jù)系列不宜少于30年，但目前嚴格滿足該要求的站點卻很有限，與此同時，國內(nèi)相關(guān)部門進行了大量研究試驗，采用不同的方法或技術(shù)手段獲取了大量數(shù)據(jù)，如何充分利用這些寶貴的數(shù)據(jù)一直是讓人頭疼的難題。本申請充分考慮不同來源數(shù)據(jù)的特點及影響作物需水量的主要因素，考慮作物需水量中所蘊含的先驗知識及約束條件，采用bme方法對不同來源的作物需水量數(shù)據(jù)進行有機整合，對于提高稀疏站點大區(qū)域作物需水量的估算精度具有重要意義。

技術(shù)實現(xiàn)要素：

本發(fā)明針對現(xiàn)有技術(shù)難以考慮作物需水量所蘊含的先驗知識，并且不同來源不同精度的作物需水量數(shù)據(jù)難以有效表達的問題，提出一種多源作物需水量整合方法。

本發(fā)明的技術(shù)方案是：一種多源作物需水量整合方法，包括以下步驟：

收集整理不同來源的作物需水量信息及其主要影響因素信息；

根據(jù)作物需水量的用途及要求，對不同來源的作物需水量信息進行分類；

根據(jù)作物需水量的特性，將定性知識轉(zhuǎn)化為定量的數(shù)學(xué)約束，構(gòu)建先驗分布函數(shù)；

以適當(dāng)?shù)男问奖硎驹谔囟〞r間、特定空間獲取的作物需水量；

根據(jù)先驗知識和獲取的不同數(shù)據(jù)來源的作物需水量知識對構(gòu)建的先驗概率分布函數(shù)進行修正，進而獲得作物需水量的后驗概率分布函數(shù)；

用后驗概率分布函數(shù)的數(shù)學(xué)期望表示整合后不同空間的作物需水量。

所述的多源作物需水量整合方法，所述收集不同來源的作物需水量信息及其主要影響因素信息，其中不同來源的作物需水量信息包括：實際測定的試驗站點的作物需水量；利用常規(guī)氣象資料，采用作物系數(shù)法計算的作物需水量；采用協(xié)同克立格方法空間化處理獲得的作物需水量；采用pca和gwr方法獲得的作物需水量；文獻中的作物需水量以及遙感獲取的作物需水量。

所述的多源作物需水量整合方法，所述收集不同來源的作物需水量信息及其主要影響因素信息，其中影響區(qū)域作物需水量空間分布的主要因素包括，宏觀地形要素：經(jīng)度、緯度和高程；微觀地形要素：坡度、坡向和遮蔽度；對應(yīng)生育期的主要氣象要素：最高氣溫、最低氣溫、平均氣溫、風(fēng)速、相對濕度、降雨、蒸發(fā)、日照時數(shù)、日較差。

所述的多源作物需水量整合方法，所述根據(jù)作物需水量的用途及要求，對不同來源的作物需水量進行分類包括：將系列長、精度高的作物需水量分為一類，將系列短、但仍有一定精度的作物需水量分為一類。

所述的多源作物需水量整合方法，所述根據(jù)作物需水量的特性，將定性知識轉(zhuǎn)化為定量的數(shù)學(xué)約束，構(gòu)建先驗分布函數(shù)，其中定量約束包括：歸一化約束、數(shù)學(xué)期望約束和方差約束。

所述的多源作物需水量整合方法，所述以適當(dāng)?shù)男问奖硎驹谔囟〞r間、特定空間獲取的作物需水量，包括：文獻軟數(shù)據(jù)和遙感軟數(shù)據(jù)采用區(qū)間的形式進行表達，針對部分年份缺失的作物需水量數(shù)據(jù)，利用有限樣本修正系數(shù)對方差進行修正，采用下式表示作物需水量的概率密度函數(shù)：

式中s²為樣本得無偏估計量，n為有限樣本數(shù)，n為總體樣本數(shù)；

基于灌溉試驗數(shù)據(jù)庫的克里格數(shù)據(jù)和基于pca和gwr的作物需水量數(shù)據(jù)采用下式表達作物需水量的概率密度函數(shù)：

式中為利用協(xié)同克立格方法或其他方法獲得的預(yù)測值，σ為標(biāo)準(zhǔn)差。

所述的多源作物需水量整合方法，所述根據(jù)先驗知識和獲取的不同數(shù)據(jù)來源的作物需水量知識對構(gòu)建的先驗概率分布函數(shù)進行修正，具體包括：利用公式對先驗概率密度函數(shù)進行修正，式中和fg(χcwr)分別為基于所有知識的修正后的后驗概率密度函數(shù)和先驗概率密度函數(shù)。

所述的多源作物需水量整合方法，所述后驗概率分布函數(shù)包括：后驗概率分布函數(shù)數(shù)學(xué)期望和后驗概率分布函數(shù)方差：其中，后驗概率分布函數(shù)期望采用表達，當(dāng)軟數(shù)據(jù)為概率性分布形式時，后驗概率分布函數(shù)期望可表示為：

式中為通過硬數(shù)據(jù)、軟數(shù)據(jù)修正計算后的概率密度函數(shù)；整合結(jié)果的不確定性通常用方差來衡量。

所述的多源作物需水量整合方法，所述用后驗概率分布函數(shù)的數(shù)學(xué)期望表示整合后不同空間的作物需水量，具體為：用后驗概率分布函數(shù)的數(shù)學(xué)期望表示整合后不同空間的作物需水量，后驗概率分布函數(shù)的方差表達作物需水量整合效果。

本發(fā)明的有益效果是：由以上技術(shù)方案可以看出，本發(fā)明既可以利用精度高、系列長的硬數(shù)據(jù)，也可以利用部分年份缺失的站點數(shù)據(jù)、可快速獲取的遙感數(shù)據(jù)、文獻及數(shù)據(jù)庫中的歷史數(shù)據(jù)和采用不同方法空間化處理的數(shù)據(jù)，通過對不同來源、不同精度的作物需水量數(shù)據(jù)進行整合，可顯著提高稀疏站點大區(qū)域的作物需水量估算精度。

附圖說明

為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種多源作物需水量整合方法的流程示意圖；

圖2位不同來源數(shù)據(jù)的作物需水量樣點空間分布圖；

圖3a為只利用硬數(shù)據(jù)的作物需水量空間分布圖；

圖3b為硬數(shù)據(jù)+文獻數(shù)據(jù)整合的作物需水量空間分布圖；

圖3c為硬數(shù)據(jù)+克立格數(shù)據(jù)整合的作物需水量空間分布圖；

圖3d為硬數(shù)據(jù)+gwr數(shù)據(jù)整合的作物需水量空間分布圖；

圖3e為硬數(shù)據(jù)+除文獻數(shù)據(jù)以外的其它軟數(shù)據(jù)整合的作物需水量空間分布圖。

具體實施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本申請中的技術(shù)方案，下面將結(jié)合本申請實施例中的附圖，對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應(yīng)當(dāng)屬于本申請保護的范圍。

本發(fā)明充分考慮不同來源數(shù)據(jù)的系列長短及精度高低，將精度高、系列長的數(shù)據(jù)做為硬數(shù)據(jù)，系列短，具有一定精度的作物需水量作為軟數(shù)據(jù)，利用硬數(shù)據(jù)確定獲得最大熵的約束條件，根據(jù)軟數(shù)據(jù)獲取渠道的不同，提出不同來源數(shù)據(jù)的概率密度函數(shù)表達方式，進而修正先驗概率密度函數(shù)獲得后驗概率密度函數(shù)，以后驗概率分布函數(shù)的數(shù)學(xué)期望表示整合后不同空間的作物需水量，其方差表達作物需水量整合效果。

實施例1：結(jié)合圖1-圖3e，一種多源作物需水量整合方法，包括如下幾個步驟：

s100、收集整理不同來源作物需水量信息及其影響作物需水量空間分布的主要影響因素信息，其中：

不同來源的作物需水量信息包括：實際測定的試驗站點的作物需水量，利用常規(guī)氣象資料，采用作物系數(shù)法計算的作物需水量，采用協(xié)同克立格方法空間化處理獲得的作物需水量、采用pca和gwr方法獲得的作物需水量、文獻中的作物需水量以及遙感獲取的作物需水量，各種不同來源作物需水量的空間分布如附圖2所示；

影響區(qū)域作物需水量空間分布的主要因素包括：宏觀地形要素（經(jīng)度、緯度和高程）、微觀地形要素（坡度、坡向和遮蔽度）和對應(yīng)生育期的主要氣象要素（最高氣溫、最低氣溫、平均氣溫、風(fēng)速、相對濕度、降雨、蒸發(fā)、日照時數(shù)、日較差）。

s200、根據(jù)作物需水量的用途及要求，對不同來源的作物需水量進行分類；

將系列長、精度高的作物需水量分為一類，做為硬數(shù)據(jù)，系列短、但仍有一定精度的作物需水量分為一類，做為軟數(shù)據(jù)。

根據(jù)國家標(biāo)準(zhǔn)《灌溉與排水工程設(shè)計規(guī)范》要求，在進行灌溉設(shè)計保證率計算時，計算系列不宜少于30年，但我國不少灌溉試驗站點試驗系列并沒有達到規(guī)范要求，由于fao-56推薦的利用常規(guī)氣象要素計算作物需水量的作物系數(shù)法在中國華北地區(qū)精度較高，因此硬數(shù)據(jù)也包括利用常規(guī)氣象要素（最長系列：1954－2013年）計算得到的計算系列超過30年的需水量數(shù)據(jù)。

采用協(xié)同克立格方法空間化處理獲得的作物需水量、采用pca和gwr方法獲得的作物需水量、文獻中的作物需水量以及遙感獲取的作物需水量做為軟數(shù)據(jù)。

s300、根據(jù)作物需水量的特性，將定性知識轉(zhuǎn)化為定量的數(shù)學(xué)約束，構(gòu)建先驗分布函數(shù)。根據(jù)作物需水量的特點，其定性知識轉(zhuǎn)化為的定量約束包括：歸一化約束、數(shù)學(xué)期望約束和方差約束。

s400、以適當(dāng)?shù)男问奖硎驹谔囟〞r間、特定空間獲取的作物需水量。

硬數(shù)據(jù)的表達：

由于這里的硬數(shù)據(jù)是實際測定或計算精度高的數(shù)據(jù)，因此52個點上作物需水量取這些硬數(shù)據(jù)值的概率為1，也即prob[xhard=χhard]=1。

文獻數(shù)據(jù)的表達：

國內(nèi)不少專家進行了黃淮海冬麥區(qū)的作物需水量試驗，以關(guān)鍵詞“華北地區(qū)”和“冬小麥需水量”從中國知網(wǎng)（http://www.cnki.net）數(shù)據(jù)庫中全文檢索，查到相關(guān)文獻211條，剔除不相關(guān)的文獻后，剩余28篇論文，涉及到河南19個站點、河北5個站點、山東9個站點，山西1個站點，北京2個站點。這些數(shù)據(jù)盡管有些是試驗得到的實測數(shù)據(jù)，但由于這些數(shù)據(jù)與試驗數(shù)據(jù)庫、氣象數(shù)據(jù)估算得到的數(shù)據(jù)時間或空間上不一致，并且這些數(shù)據(jù)系列均小于30年，但這些數(shù)據(jù)對一些站點的估算仍有一定的意義，因此對這些數(shù)據(jù)進行處理時，采用下列原則：如果同一站點的數(shù)據(jù)較多，則按區(qū)間數(shù)據(jù)處理，其最大最小值按所有試驗或估算年份中的最大值、最小值，設(shè)其最大值為ui，最小值為li，則prob(li<χsoft<ui)=1。若站點與硬數(shù)據(jù)點重復(fù)，在數(shù)據(jù)整合時予以刪除。

部分年份缺失的作物需水量數(shù)據(jù)表達：

在華北冬小麥適宜種植區(qū)內(nèi)，有5個站點（定陶、墾利、平度、費縣、陵縣）的試驗數(shù)據(jù)缺失較多，計算數(shù)據(jù)系列沒有達到30年，這些數(shù)據(jù)盡管蘊含了較多作物需水量信息，但卻存在一定的不確定性，因此將這些數(shù)據(jù)作為包含不確定信息的軟數(shù)據(jù)（站點分布詳見圖2），這些數(shù)據(jù)簡稱年份缺失數(shù)據(jù)。

利用有限樣本修正系數(shù)對方差進行修正，采用下式表示作物需水量的概率密度函數(shù)：

式中s²為樣本得無偏估計量，n為有限樣本數(shù)，n為總體樣本數(shù)；

這里以定陶站為例說明方差的修正過程，定陶站共有19年的數(shù)據(jù)，根據(jù)式（6）可計算出這19年的數(shù)學(xué)期望（平均值）為420.02mm，根據(jù)式（8）可得到有限樣本的s²=638.35，利用式（9）可得到定陶站的概率密度函數(shù)為fs(χsoft)=0.285ft(0.285xi?119.67)。

基于灌溉試驗數(shù)據(jù)庫的克立格數(shù)據(jù)表達：

以“灌溉試驗數(shù)據(jù)庫”中67個站點的（1961－1990）作物需水量及其生育期內(nèi)主要氣象要素為數(shù)據(jù)源，利用協(xié)同克立格方法，以日照時數(shù)、風(fēng)速和高程作為協(xié)同因子對作物需水量進行空間化處理，可得到整個華北冬小麥種植區(qū)的冬小麥需水量和標(biāo)準(zhǔn)差的空間分布柵格圖。采用隨機采樣工具獲得274個站點的平均值（數(shù)學(xué)期望）和標(biāo)準(zhǔn)差，得到平均值和標(biāo)準(zhǔn)差后，根據(jù)下式得到數(shù)據(jù)的概率密度函數(shù)。這些軟數(shù)據(jù)簡稱克立格軟數(shù)據(jù)。

式中為利用協(xié)同克立格方法或其他方法獲得的預(yù)測值，σ為標(biāo)準(zhǔn)差；

基于pca和gwr的作物需水量數(shù)據(jù)據(jù)表達：

考慮研究區(qū)內(nèi)67個站點（1961－2004）的作物需水量為因變量，站點的宏觀地形要素（經(jīng)度、緯度和高程）、微觀地形要素（坡度、坡向和遮蔽度）和對應(yīng)生育期的主要氣象要素（最高氣溫、最低氣溫、平均氣溫、風(fēng)速、相對濕度、降雨、蒸發(fā)、日照時數(shù)、日較差）為自變量構(gòu)建回歸模型獲取軟數(shù)據(jù)。

遙感軟數(shù)據(jù)采用區(qū)間的形式進行表達：

雖然遙感估算的需水量也具有一定的精度，但往往僅僅是1年或幾年的數(shù)據(jù)，很難構(gòu)成系列，所以這里按區(qū)間軟數(shù)據(jù)進行處理。例如河北館陶縣董固監(jiān)測的冬小麥需水量分別為338.1、320、252.5和320mm，則認為館陶董固附近冬小麥的耗水量位于區(qū)間[252.5,338.1]的概率為1，也即prob(252.5<χsoft<338.1)=1。

s500、根據(jù)先驗知識和獲取的不同數(shù)據(jù)來源的作物需水量知識對構(gòu)建的先驗概率分布函數(shù)進行修正，得到作物需水量的后驗概率分布函數(shù)。

對先驗概率密度函數(shù)進行修正,通過下式實現(xiàn):

式中和fg(χcwr)分別為基于所有知識的修正后的后驗概率密度函數(shù)和先驗概率密度函數(shù)。

s600、以后驗概率分布函數(shù)的數(shù)學(xué)期望表示整合后不同空間的作物需水量，其方差表達作物需水量整合效果。其中后驗概率分布函數(shù)的數(shù)學(xué)期望用下式表示：

當(dāng)軟數(shù)據(jù)為概率性分布形式時，其數(shù)學(xué)期望可用下式表示：

式中為通過硬數(shù)據(jù)、軟數(shù)據(jù)修正計算后的概率密度函數(shù)。

整合結(jié)果的不確定性通常用方差來衡量：

根據(jù)s100-s600得到的不同來源數(shù)據(jù)的整合結(jié)果如圖3a-3e所示。

從圖中可知，5種數(shù)據(jù)源得到的空間分布結(jié)果，整體上呈現(xiàn)豫南地區(qū)作物需水量小，中部地區(qū)黃河北岸有連片的相對高值區(qū)，山東需水量相對較高，冀東北的樂亭、唐山附近有相對低值區(qū)。圖3c、圖3d與圖3a相比，豫南地區(qū)整體上變化不大，山東的中部及西北部高值區(qū)連成一片，樂亭、唐山附近的低值區(qū)變小，北京以北、保定西北等研究區(qū)邊緣部分出現(xiàn)了部分高值區(qū)，發(fā)生這些變化的主要原因是研究區(qū)邊緣滿足規(guī)范要求的硬數(shù)據(jù)站點稀疏，同時附近的硬數(shù)據(jù)站點作物需水量相對較低，導(dǎo)致圖3a的研究區(qū)北部出現(xiàn)較大的低值區(qū)，加之圖3c、圖3d所利用的克立格軟數(shù)據(jù)和gwr軟數(shù)據(jù)是根據(jù)“灌溉試驗數(shù)據(jù)庫”提供的不同系列長度的歷史數(shù)據(jù)通過空間化處理獲得的，而通過查閱“灌溉試驗數(shù)據(jù)庫”發(fā)現(xiàn)，天津附近、山西北部的冬小麥需水量均超過了500mm，而這些數(shù)據(jù)在目前仍具有一定的參考價值，因此導(dǎo)致圖3c、圖3d與圖3a相比在研究區(qū)北部變化較大。同時圖3c、圖3d與圖3a相比，研究區(qū)北部變得相對破碎，特別是北京-保定-石家莊-長治一線破碎程度增加較多，保定-饒陽低值區(qū)不再連成一片，被分割開，這些地方由于軟數(shù)據(jù)的利用，使得數(shù)據(jù)源有所增加，減弱了單純利用有限的硬數(shù)據(jù)進行空間化處理造成的平滑效應(yīng)，更能反映作物需水量空間分布的變異性。由于圖3e是將除了文獻的其他所有的軟數(shù)據(jù)參與整合，因此冬小麥需水量空間分布圖細碎化更嚴重，表明對冬小麥需水量的空間分布解釋能力更強。

由以上技術(shù)方案可以看出，本發(fā)明既可以利用精度高、系列長的硬數(shù)據(jù)，也可以利用部分年份缺失的站點數(shù)據(jù)、可快速獲取的遙感數(shù)據(jù)、文獻及數(shù)據(jù)庫中的歷史數(shù)據(jù)和采用不同方法空間化處理的數(shù)據(jù)，通過對不同來源、不同精度的作物需水量數(shù)據(jù)進行整合，可顯著提高稀疏站點大區(qū)域的作物需水量估算精度。

需要說明的是，本發(fā)明實施例提供的確定方法的計算步驟只是為了敘述方便，并不是嚴格的要求步驟的先后順序。

需要說明的是，在本文中，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

需要說明的是，以上所述僅僅是本申請技術(shù)方案的一部分優(yōu)選具體實施方式，使本領(lǐng)域技術(shù)人員能夠充分理解或?qū)崿F(xiàn)本申請，而不是全部的實施例，本文中所定義的一般原理可以在不脫離本申請的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，基于以上實施例，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本申請原理，不做出創(chuàng)造性勞動前提下，還可以做出多種顯而易見的修改和潤飾，通過這些修改和潤飾所獲得的所有其他實施例，都可以應(yīng)用于本申請技術(shù)方案，這些都不影響本申請的實現(xiàn)，都應(yīng)當(dāng)屬于本申請的保護范圍。因此，本申請將不會被限制于本文所示的這些實施例，而是要符合于本文所公開的原理和新穎特點相一致的最寬的范圍。

以上對本申請進行了詳細介紹，本文中應(yīng)用可具體個例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本申請的方法及其核心思想，同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本申請的限制。