摘要
本发明属于遥感数据同化技术领域,具体涉及一种基于WOFOST模型与SAR遥感数据融合的4DVar同化估产方法。为提高农作物产量预测的准确性和可靠性,本方法包括:获取作物实测数据,进行WOFOST作物模型敏感性分析及本地化标准;获取SAR遥感数据,基于极化分解和机器学习算法反演总光合面积指数(TPAI);构建4DVar同化模型,在时间窗口内,利用变分原理动态调整模型参数,以最小化代价函数中模型模拟值与遥感反演值的差异;引入SCE‑UA全局优化算法,通过种群划分与竞争进化机制迭代优化,实现高维参数‑状态联合优化。
技术关键词
同化估产方法
极化分解特征
作物模型
全局敏感性分析方法
全局优化算法
遥感数据同化技术
遥感反演
反演模型
参数
指数
协方差矩阵
随机森林
背景值
区域作物
散射机制
机器学习算法
散射特征
校准
效应