一种农作物叶面积指数同化方法

摘要

本发明公开了一种农作物叶面积指数同化方法，涉及叶面积指数领域。所述方法包括步骤：B：依据四维变分的代价函数构建目标泛函；C：在当前同化过程下，依据非常快速模拟退火算法求取所述目标泛函的最优解；D：判断当前同化过程的次数是否大于总观测次数，如果是，将所述最优解作为待调整参数的最终值，同化过程结束；否则，将所述最优解作为下一次同化过程中所述待调整参数的当前值，执行所述步骤C。所述方法，在获取全局最优解的同时，降低了计算复杂度，提高了叶面积指数的估算精度和抗数据饱和性。

主权项

1.一种农作物叶面积指数同化方法，其特征在于，包括步骤：B：依据四维变分的代价函数构建目标泛函；C：在当前同化过程下，依据非常快速模拟退火算法求取所述目标泛函的最优解；D：判断当前同化过程的次数是否大于总观测次数，如果是，将所述最优解作为待调整参数的最终值，同化过程结束；否则，将所述最优解作为下一次同化过程中所述待调整参数的当前值，执行所述步骤C；所述步骤B中的目标泛函J（X）的表达式如下：$J\left(X\right)=\frac{1}{2}{(X-X^a\left(t_k\right))}^T{P}^a{\left(t_k\right)}^{-1}(X-X^a\left(t_k\right))+\frac{1}{2}\underset{i=1}{\overset{\mathrm{Num}}{\Sigma }}\left\{{[Y^0\left(t_i\right)-H\left(M\left(X\right)\right)]}^{T}R{\left(t_i\right)}^{-1}\right[Y^0\left(t_i\right)-H\left(M\left(X\right)\right)\left]\right\}$其中，R(t_i)表示第i个观测时刻由观测数据测量误差和模型误差组成的观测误差；Y⁰(t_i)表示第i个观测时刻的光谱数据集；X^a(t_k)表示第k次同化过程时的背景场数据集合的当前值，k的初值为0；P^a(t_k)表示X^a(t_k)的误差协方差矩阵的当前值；Num表示所述总观测次数；M表示作物生长模型算子；H表示PROSAIL辐射传输模型算子；所述步骤C具体包括步骤：C1：在当前同化过程下，设定标准温度T₀，设定优化过程的状态变量X⁰（t_k,j）的初值并且设定初始温度T₁=T₀exp(-c)；其中，表示X^a(t_k)的算术平均值，c为常数，j的初值为0；C2：在当前温度T_I下，根据当前状态变量X⁰（t_k,j）计算下一个状态变量X⁰（t_k,j+1）；I表示迭代次数，初值为1；C3：计算ΔJ=J(X⁰(t_k,j))-J(X⁰(t_k,j+1))，判断ΔJ是否大于0，如果是，接受X⁰（t_k,j+1），否则，以概率exp(-ΔJ/cT_I)接受X⁰（t_k,j+1）；C4：判断是否达到平衡，如果是，执行C5；否则，计算下一温度T_I+1=T₀exp(-c×I^1/n)，I自加1，j自加1，然后执行步骤C2；其中，n为待调整参数的维数；C5：判断当前温度T_I是否低于预设最低温度，或者已经连续出现了预设阈值个状态变量均未被接受，如果是，将X⁰（t_k,j+1）作为所述目标泛函的最优解，执行步骤D；否则，T_I+1=T_I，I自加1，j自加1，然后执行步骤C2。