基于数据驱动的水稻低温冷害模型构建方法与流程
本申请涉及水稻低温冷害模型构建，具体涉及基于数据驱动的水稻低温冷害模型构建方法。
背景技术：
1、随着气候变化的加剧，极端天气事件频率和强度可能会增加，随着作物种植界限的北移东扩、区域性冷害的增加、干旱加剧由灌溉导致的制冷效应，都会增加低温冷害的发生，低温是影响水稻生长和产量的重要环境因素之一。现有技术中通常采用历史气温数据与水稻生长发育数据来识别水稻是否遭受到冷害影响。
2、但是，这种方法并没有充分考虑到极端天气的恶劣程度以及极端天气的长期持续性对水稻生长发育产生的影响，且未结合不同冷害等级对水稻低温冷害模型构建产生的影响，以及每个地区整体区域分布特征差异，从而使得水稻低温冷害模型评价结果的准确性与稳定性较低。
技术实现思路
1、为了解决上述技术问题，本申请提供基于数据驱动的水稻低温冷害模型构建方法，以解决现有的问题。
2、本申请的基于数据驱动的水稻低温冷害模型构建方法采用如下技术方案：
3、本申请一个实施例提供了基于数据驱动的水稻低温冷害模型构建方法，该方法包括以下步骤：
4、获取多个农业气象站在预设历史年份内的水稻生长发育期数据，以及对应农业气象站所在区域的气象站在对应历史年份内每日的日平均气温数据；
5、结合每日的日平均气温数据以及水稻生长发育期数据，确定每日的热量指数；
6、针对每个农业气象站在预设历史年份下的水稻生长发育期内，分析每日的热量指数低于邻近预设年份内的热量指数平均水平的程度，记为负累积值，根据负累积值以及每日的热量指数低于邻近预设年份内的热量指数平均水平的连续日数，同时结合不同地区在预设标准样本数据中所述负累积值的最值，构建不同地区每个农业气象站的低温综合强度指数；
7、利用不同地区在预设标准样本数据中的不同冷害等级的划分下得到的所有农业气象站的低温综合强度指数分布特征，构建水稻低温冷害模型。
8、优选地，所述水稻生长发育期数据为水稻在不同生长发育期的上限温度、下限温度和适宜温度。
9、优选地，所述每日的热量指数的确定方法包括：
10、获取水稻生长发育期数据中水稻生长发育所需的下限温度、上限温度和适宜温度；
11、其中，每日的热量指数的计算公式为：式中：s(i)为第i日的热量指数，t为第i日的日平均气温,t1、t2、t0分别为水稻生长发育所需的下限温度、上限温度和适宜温度；
12、当t≤t1或t≥t2时，令s(i)＝0，当t＝t0时，令s(i)＝1。
13、优选地，所述不同地区每个农业气象站的低温综合强度指数的构建方法包括：
14、基于每个农业气象站在预设历史年份下的水稻生长发育期内，所有热量指数低于邻近预设年份内的热量指数平均水平的程度，确定负累积值；
15、基于每个农业气象站在预设历史年份下的水稻生长发育期内，所有热量指数低于邻近预设年份内的热量指数平均水平的连续日数，确定负累积连续日数；
16、在不同地区的预设标准样本数据中，结合负累积值的最大值，确定不同地区每个农业气象站的低温综合强度指数。
17、优选地，所述负累积值的计算方法为：
18、计算距离每日的邻近预设年份内的热量指数平均值；
19、计算每日的热量指数与所述热量指数平均值的差值结果；
20、统计每个农业气象站在预设历史年份下的水稻生长发育期内，小于0的所有差值结果的累加和，作为所述负累积值。
21、优选地，所述负累积连续日数为所述所有热量指数低于邻近预设年份内的热量指数平均水平的最大连续日数。
22、优选地，在不同地区的预设标准样本数据中分别有轻度、中度、重度三个低温冷害等级。
23、优选地，所述在不同地区的预设标准样本数据中，结合负累积值的最大值，确定不同地区每个农业气象站的低温综合强度指数，包括：
24、对于第d个地区在第i个农业气象站的低温综合强度指数的表达式为：
25、
26、式中，为第d个地区第i个农业气象站的低温综合强度指数，a为预设放大系数，分别为第d个地区的第一预设权重、第二预设权重，为第d个地区第i个农业气象站的负累积值的归一化值，为第d个地区第i个农业气象站的负累积连续日数的归一化值，md为第d个地区在预设标准样本数据中所有负累积值的最大值。
27、优选地，所述水稻低温冷害模型的构建过程包括：
28、在预设标准样本数据的基础上，基于不同地区、不同冷害等级的划分下计算每个农业气象站的低温综合强度指数得到的若干组样本序列，其中每组样本序列由同一地区同一预设标准样本数据的冷害等级划分下所有农业气象站的低温综合强度指数组成；
29、对于每组样本序列，计算在根据其对应冷害等级的所有低温综合强度指数中最小、最大值划分范围内的农业气象站，与预设标准样本数据的对应冷害等级下的农业气象站之间的准确度；
30、将不同地区的所有组样本序列计算的准确度，按照从大到小的顺序依次划分得到重新确定的不同冷害等级的低温综合强度指数的取值范围；
31、其中，准确度低的重新确定的冷害等级划分的低温综合强度指数的取值范围，将与准确度高的重新确定的冷害等级划分的低温综合强度指数的取值范围中重叠的部分进行删除，将与准确度高的重新确定的相邻冷害等级划分的低温综合强度指数的取值范围中未包含的范围进行增加；将大于或等于0、且小于轻度冷害等级的低温综合强度指数的取值范围的下界，所构成的的低温综合强度指数的取值范围作为无冷害等级；
32、将每个地区所有重新确定的无冷害、轻度冷害、中度冷害和重度冷害等级划分下的低温综合强度指数的取值范围，分别构建每个地区的水稻低温冷害模型。
33、优选地，在构建水稻低温冷害模型后，还包括对水稻低温冷害模型基于历史灾情资料逐点验证、基于冷害典型年空间分布验证，对其进行验证的资料采用历史灾情资料。
34、本申请至少具有如下有益效果：
35、本申请结合历史气温数据以及水稻生长发育期数据构建每日的热量指数，用于分析出每日水稻生长发育所需热量条件情况，从而能够反映出水稻生长发育状况；通过结合低温冷害天气的恶劣程度以及持续情况，对其设置不同的权重，分析不同地区的低温综合强度指数，从而能够更加准确评价每个农业气象站所在地区的冷害严重程度；通过利用不同地区的划分下得到的所有农业气象站的低温综合强度指数的分布特征，从每个地区的整体区域分布层面构建水稻低温冷害模型，提升了水稻低温冷害模型评价结果的准确性与稳定性。
技术特征：
1.基于数据驱动的水稻低温冷害模型构建方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，所述水稻生长发育期数据为水稻在不同生长发育期的上限温度、下限温度和适宜温度。
3.如权利要求1所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，所述每日的热量指数的确定方法包括：
4.如权利要求1所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，所述不同地区每个农业气象站的低温综合强度指数的构建方法包括：
5.如权利要求4所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，所述负累积值的计算方法为：
6.如权利要求4所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，所述负累积连续日数为所述所有热量指数低于邻近预设年份内的热量指数平均水平的最大连续日数。
7.如权利要求4所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，在不同地区的预设标准样本数据中分别有轻度、中度、重度三个低温冷害等级。
8.如权利要求7所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，所述在不同地区的预设标准样本数据中，结合负累积值的最大值，确定不同地区每个农业气象站的低温综合强度指数，包括：
9.如权利要求1所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，所述水稻低温冷害模型的构建过程包括：
10.如权利要求1所述的基于数据驱动的水稻低温冷害模型构建方法，其特征在于，在构建水稻低温冷害模型后，还包括对水稻低温冷害模型基于历史灾情资料逐点验证、基于冷害典型年空间分布验证，对其进行验证的资料采用历史灾情资料。
技术总结
本申请涉及水稻低温冷害模型构建技术领域，具体涉及基于数据驱动的水稻低温冷害模型构建方法，该方法包括：获取预设历史年份内的水稻生长发育期数据以及每日的日平均气温数据；结合日平均气温数据以及水稻生长发育期数据，确定每日的热量指数；分析每日的热量指数低于邻近预设年份内的热量指数平均水平的程度和连续日数，同时结合不同地区在预设标准样本数据中的所述程度的最值，构建不同地区每个农业气象站的低温综合强度指数；利用不同地区中在不同冷害等级的划分下得到的所有农业气象站的低温综合强度指数分布特征，构建水稻低温冷害模型。本申请旨在提升水稻低温冷害模型评价结果的准确性与稳定性。
技术研发人员：武晋雯,纪瑞鹏,于文颖,冯锐,孙龙彧,姜丽霞,王昌华,王秋京,刘宁微,李嘉宁
受保护的技术使用者：中国气象局沈阳大气环境研究所
技术研发日：
技术公布日：2024/12/5