农作物的种植战略数学建模 (农作物的种植策略数学建模)

本文目录导航：

• 农作物的种植战略数学建模
• 遥感上的估产题
• 为什么气候卫星能预告农作物产量

农作物的种植战略数学建模

农作物的种植战略数学建模是一个复杂的环节，它触及到多种起因的思考，包括气候条件、土壤类型、水资源可用性、市场需求、经济老本和预期收益等。

为了建设一个有效的模型，须要采取以下步骤：1. 确定目的和解放条件：明白种植战略的目的，比如最大化产量、最大化利润或最小化危险。

同时，识别出影响种植决策的各种解放条件，如土低空积、水资源限度、劳能源可用性、资金预算等。

2. 搜集数据：搜集与种植相关的各种数据，包括历史气候数据、土壤剖析结果、作物成长周期、病虫害出现状况、市场多少钱动摇等。

3. 选择模型类型：依据疑问的性质选择适宜的数学模型类型。

或者的模型类型包括线性布局、非线性布局、整数布局、灵活布局、多目的提升、模拟提升等。

4. 建设数学模型：将实践疑问转化为数学表白式。

例如，假设目的是最大化利润，可以建设一个以总支出减去总老本为目的函数的提升模型。

解放条件可以包括土地经常使用限度、水资源经常使用量、作物成长周期要求等。

5. 参数预计和校验：对模型中的参数启动预计，并经过实践数据校验模型的准确性。

这或者须要统计剖析、回归剖析或其余数学方法。

6. 求解模型：经常使用适当的算法和软件工具求解模型。

关于便捷的线性布局疑问，可以经常使用单纯形法；关于更复杂的非线性疑问，或者须要经常使用启示式算法或元启示式算法。

7. 剖析结果：对求解结果启动剖析，确定最优种植战略。

这或者包括作物的选择、种植期间、种植面积、灌溉方案、施肥方案等。

8. 敏理性剖析微危险评价：启动敏理性剖析，了解不同参数变动对结果的影响。

同时，评价市场动摇、气候变动等不确定性起因带来的危险。

9. 实施和监控：将模型介绍的种植战略实施到实践农业消费中，并继续监控其成果，依据实践状况调整模型。

10. 反应和迭代：依据实施结果和市场反应，始终迭代和提升模型，以提高其准确性和适用性。

农作物种植战略的数学建模是一个灵活的环节，须要始终地搜集新数据、降级模型和调整战略以顺应始终变动的环境。

经过这种方法，农民和农业企业可以提高消费效率，降低危险，参与收益。

遥感上的估产题

咱们学遥感运行模型这门课做过冬小麦估产模型的标题：给出冬小麦估产的技术流程：1。

遥感数据的选择2。

所须要的背景数据（不宜过略，不宜过细）3。

对遥感数据的预解决（大气，汇合校对）4。

遥感数据所能提供的参数形容（LAI，NDVI）5。

产量预计模型（不宜过详细，应有输入输入）6。

全体框架（A4<=2页） 解法很多，相关论文也很多，我给你粘一点冬小麦估产的技术流程一、冬小麦估产运行的遥感资料冬小麦估产中运行的遥感资料关键为三类。

一是气候卫星资料, 关键为美第三代业务极轨气( TIROS-N/NOAA 系列) 装载的甚高分辨率辐射仪(AVHRR) 资料; 二是陆地卫星(Landsat) 资料, 运行较多的是专题制图仪(TM) 资料; 其三是航空遥感和低空遥感资料。

从资料运行方式上, 卫星遥感数据有磁带数据和卫星像片两种,AVHRR 数据运行以磁带数据为主, TM 数据则二种兼用。

航空遥感资料为航空像片, 低空遥感资料多为实测的冬小麦光谱物征团圆数据。

不同的遥感资料具备不同的特点。

气候卫星资料探测周期短、笼罩面积大、资料易失掉、实时性强、多少钱昂贵, 期间分辨率高但空间分辨率较低; 陆地卫星资料重复周期较长、多少钱高, 但空间分辨率高。

消息源与估产精度：冬小麦遥感估产的精度与驳回的消息源有很大相关, 其中单产估产模型的建设受消息源光谱分辨率和期间分辨率的影响, 特意是准确的冬小麦收获面积的估测, 与驳回消息源的几何分辨率亲密相关。

因此, 高的遥感估产精度须要有高的几何分辨率、期间分辨率和光谱分辨率的消息源的保证。

但因为受估产老本的限度, 为节俭估产费用, 普通省级以上的大范围冬小麦遥感估产多驳回便宜的气候卫星资料, 因为期间分辨率高, 启动冬小麦长势监测及单产模型建设较为适宜, 但难以准确提取冬小麦面积消息。

省级以下的冬小麦遥感估产则可驳回陆地卫星资料, 以提高估产的精度。

因此,综合思考估产的消息源、精度及老本, 应依据状况综合运行各种遥感资料以及非遥感辅佐资料, 冬小麦长势监测及单产估测应以气候卫星资料为主, 而冬小麦面积估测则可以陆地卫星资料为主, 或运行航空遥感资料。

二、所须要的背景数据冬小麦产量是其光协作用的产物, 叶绿素对其产量构成起至关关键的作用, 因此, 准确提取冬小麦叶绿素消息是小麦遥感估产的关键。

依据钻研, 叶绿素a、b 在可见光内有两个排汇峰, 一个是0145μm (兰光) , 另一个是μm (红光) , 而在0155μm (绿光) 左近反射率较大。

在017μm 左近反射率急剧参与, 构成突出的峰值。

因此, 红光和近红外波段是冬小麦消息提取、产量估测的最佳波段。

另一方面, 冬小麦的叶绿素含量随小麦出苗至收获各不同的生养阶段是始终变动的, 因此其不同生养期的反射光谱个性亦有差异。

详细体现为随小麦生养进程的推动, 在可见光区的反射率逐渐参与, 而在近红外光区的反射率则逐渐降低。

尤其是抽穗以后至成熟, 小麦叶色变黄, 叶绿素含量大大降低, 其反射率体现为随波长的参与而逐渐参与的趋向, 原排汇谷、反射峰渐不清楚。

除此, 长势较差的麦苗其反射率亦体现为与此相似的参与趋向。

三、对遥感数据的预解决遥感图像解译法依据冬小麦光谱特色, 区分其与其它地物的不同, 建设解译标记, 在遥感图像中划分出冬小麦散布范围, 并量算其面积。

此方法要求遥感图像应有较高的几何分辨率, 普通驳回陆地卫星资料, 提取精度相对较高, 老本也相对较高。

详细的提取方法有目视解译和计算机智能分类两种。

目视解译依托人工智能, 运行卫星像片, 精度较高但费时费劲; 计算机提取速度快、效率高, 但精度稍差, 又分为监视分类和非监视分类两种。

监视分类需首先确定分类类别、训练场地(样本) , 提取分类特色, 计算机依此智能分类; 非监视分类事前不设定训练类别和样本, 计算机依据光谱个性的相似性智能划分类别。

非监视分类虽不须要训练样本, 但须要实地对照确定详细的类别, 监视分类中训练样本的正确选择十分关健, 有时难以确定。

因此, 不少学者对监视与非监视分类相联合, 像元光谱个性与空间个性相联合的分类方法作了少量探求〔20 ,21 ,22〕。

除此, 适宜的遥感图像时相的选择是冬小麦面积消息提取的关键环节, 应充沛思考冬小麦及其相关地物的成长历及季相特色, 选择冬小麦与其环境具备较大光谱差异的时相, 普通小麦返青、起身、拔节期图像具备较好的面积提取成果。

遥感抽样考查方法遥感抽样考查是依据普通抽样考查的基本方法, 以遥感的手腕失掉地物面积的方法, 适用于考查范围大, 启动片面考查比拟艰巨或必要性不大的状况。

可依据须要驳回航卫片等各种遥感资料。

罕用的有遥感影像分层抽样和成数抽样方法, 前者首先将整个考查区域按与考查内容相关的某一属性或特色划分为不同的层, 在每层内随机或机械抽取样本单元组成样本, 启动总体预计。

如美国LACIE 方案中小麦面积的估测; 后者是依据某类别单元数占总体单元数的比例即成数, 经过抽样估测其成数进而计算其面积。

驳回遥感抽样考查方法可以估测冬小麦面积数据。

四、遥感数据所能提供的参数形容五、产量预计模型作物单产模型的建设在遥感估产之前已有钻研, 并运行于估产, 如加拿大的Beier1W , 先后研制了阅历统计模型、作物-天气产量预测模型、作物-成长模拟模型等。

惯例的单产预告形式有统计估产、气候估产和农学估产等方法, 但各有其局限性。

遥感估产技术的出现使农作物单产估产模型钻研有了清楚开展。

冬小麦面积估测是冬小麦遥感估产的关键内容, 只要准确地预算出冬小麦收获面积, 能力得出准确的冬小麦总产估产数据。

冬小麦面积应包括其数量和实践的天文散布两个方面, 依据其范围大小、精度可有不同的遥感面积提取方法。

遥感统计模型方法钻研遥感光谱目的与冬小麦面积的相关, 选择必定的绿度形式, 建设绿度-面积、绿度-麦土比等统计模型, 估测冬小麦面积。

适宜于以气候卫星资料启动的大区域小麦估产钻研, 老本较为昂贵。

在国度气候局启动的冬小麦遥感估产中, 先钻研了各种绿度形式在小麦各生养期的变动, 其中归一化植被指数( G3) 变动颠簸, 较好地反映了冬小麦面积消息。

驳回拔节期气候卫星资料, 以TM 图像解译、成数抽样方法测算小麦面积、麦土比, 建设了平均绿度值与小麦面积、麦土比的回归方程, 估测冬小麦面积。

王茂新等启动了NOAA 图像冬小麦面积监测钻研, 结果为以繁多时相提取冬小麦面积艰巨, 但经过绿度-时相的对比剖析, 冬小麦有两个生养阶段其绿度-时相曲线与其它大宗作物、植被有清楚差异, 一是10～11 月, 为冬小麦秋播至分蘖阶段, 动物量大, 绿度(NDVI) 曲线回升, 而其它作物、植被成长活性降低, 绿度曲线降低; 另一为5～6 月份, 为冬小麦孕穗至收获期, 由成长最旺期急剧降至最低点, 绿度曲线呈降低趋向。

经过剖析, 冬小麦面积与11 月中旬减去10 月上旬植被指数之差图像中的大于零的像元个数及面积有很好的相关相关, 从而建设了小麦统计面积S 与大于零的像元个数P0 之间的回归方程, 即: S = a0p0 + b0a0 、b0 -回归系数及常数。

但小麦统计面积与实践面积之间仍有必定的差异。

植被指数(绿度) 形式的选择繁多波段的冬小麦光谱个性难以片面准确地反映冬小麦成长状况, 因此, 须要将冬小麦反响敏感的多波段消息组合, 植被指数即是由不同波段的反射消息组合而成的特色量, 反映绿色植被的笼罩水平和作物的成长状况。

普通由叶绿素反响敏感的红光波段(RR) 和近红外波段(RNIR) 消息组合而成, 亦称绿度。

目前冬小麦遥感估产中驳回的植被指数(绿度) 形式有: G1 = RNIR/ RR , G2 = (RNIR/ RR) 1/ 2 , G3 = RNIR - RR/ RNIR +RR , G4 = (RNIR - RR/ RNIR + RR) 1/ 2 , G5 = [ (RNIR - RR/ RNIR + RR) + 015 ]1/ 2 , G6 = (RNIR/ RR) 2 、G7 = log (RNIR/ RR) ,G8 = RNIR - RR 。

其中罕用的是比值植被指数( G1 ) 、归一化植被指数( G3 ) 和差值植被指数( G8 ) 等。

因为冬小麦笼罩度的限度, 各植被指数中实践蕴含着土壤的光谱消息, 因此应消弭土壤的影响。

土壤纠正植被指数(SAVI) : SAVI = (RNIR - RR/ RNIR + RR + L) (1 + L) , 其中L 为土壤调整起因, 取值0～1。

钻研发现, 与植被笼罩相关亲密而受土壤影响最小的近红外波段是大于1000nm 的局部。

经过剖析植被、土壤在红光、近红外二维空间中的光谱反射状况, 其植被量体现为植被点离土壤线的垂直距离, 其绿度值称为垂直植被指数PVI (Perpendicular Vegetation Index) : PVI = ɑRNIR -βRR 。

与其它植被指数相比, PVI具备较好的消弭土壤背景搅扰和对大气效应反响不灵便等好处。

冬小麦遥感单产模型建设冬小麦植被指数与其个体密度、叶面积系数、亩穗数等农学参数及单产均有亲密相关。

小麦个体密度Ma 与归一化植被指数G3 的相关方程为: G3 = a + blnMa〔14〕。

提出了绿度指数-温度-绿度变动率估产模型: 估测产量Y= a ∑G·bTo/ Ti (Do - Di) ·[Q/ ( △G/ △T) + C] + W , 其中G为返青至抽穗绿度累加; To 为拔节前期至灌浆始期小麦种类须要的积温或多年平均地温累加( ℃) ; Ti 为当年拔节前期至灌浆始期积温或当年地温累加( ℃) ; Do 为小麦灌浆起始日期(天) ; Di 为拔节前期日期(天) ; Q 为小麦种类规范千粒重(g) ; △G 为灌浆始期至中断的绿度差;△T 为灌浆始期至中断的日期差; abc 实验常数; W为自在项(专家意见)〔18〕。

思考小麦从收获到收割是一延续的环节,任一期间成长不好都会影响其最终产量, 而遥感消息只能观测到抽穗前小麦成长的综合反映, 对前期的气候条件及外界影响因子难以反映, 因此李付琴、田国良在北京顺义县的小麦估产中, 选择小麦抽穗期的PVI 和5 月下旬的平均气温区分作为两阶段的预告因子, 钻研建设了用逐段勘误的阶乘模型:yt = y (t - 1) ∏pi = 1Xiyt 为产量; yt - 1为前段预测产量; Xi 为预测因子。

为什么气候卫星能预告农作物产量

1988年9月7日，中国自行研制的第一颗极地轨道气候卫星“风波一号”发射完成。

所以，当天咱们就来了解一下气候卫星。

天气预告影响着咱们每团体的生存布置。

关于农民来说，气候消息不只指点出行，对庄稼收成也有关键的实践作用，农作物成长得好不好也可以由气候卫星来预告。

气候卫星是一种天然地球卫星，专门从太空对地球及其大气层启动气候观测。

按其轨道的不同，有地球运动气候卫星和极轨气候卫星两种。

卫星上载有可见光、红内线、微波等各种遥感仪器，可取得云系散布概貌，还能监测大气层中某些气候要素的散布和变动。

例如，云、低空或海面温度、大气温度和大气湿度的垂直散布、风和各种辐射资料。

1988年9月7日，中国发射了第一颗气候卫星——“风波一号”极轨气候卫星。

因为卫星上元器件出现缺点，它只上班了39天。

起初，中国又相继完成发射了多颗极轨气候卫星和多颗地球运动气候卫星（“风波二号”）。

2008年5月7日，中国完成发射了“风波三号”气候卫星，它是中国第二代极轨气候卫星，配置和技术更为先进。

早在20世纪80年代初期，国际外迷信家就已开局应用美国陆地和大气治理局极轨气候卫星取得的数据对农作物生出息执行态监测，包括农作物病虫害及冻害监测、农作物收获面积测算、农作物单位面积产量的预告等。

不同种类的植物或同一种植物不同种类、不同长势状况和肥壮水平，具备不同的植物外形和细胞结构，叶绿素和水的含量差异也较大，因此它们对太阳辐射中不同的光谱波段会出现不同的反射率和光谱特色。

这就是应用气候卫星预告农作物产量的物理基础。

农业气候上班人员依据卫星传感器搜集到的低空资料，可以判识耕地上农作物的成长状况，计算出反映农作物成长状况的指数，应用数学统计模型，进而就可以预告出农作物单位面积的产量了。

影响农作物成长和产量高下的因子很多，地形地貌、土壤的湿度和温度、病虫害、气候意外（如出现旱涝灾祸）等都是很关键的选择因子。

这些环境因子也可以经过气候卫星启动实时监测。

1986年，吉林省东辽河流域大暴雨以至洪涝成灾。

过后，气候部门应用气候卫星资料测算出了准确的灾区散布和农作物坏死面积，成为气候卫星遥感监测水患的首例。

但必定指出的是，低空上监测到的资料也很关键，低空上定点和非定点的监测资料是对卫星资料的有力允许，解译卫星遥感资料、建设定量解译规范、组建相关形式都要依据低空监测资料。

气候卫星除了能监测灾祸性天气、灵活监测农作物成长以外，还能探测森林和草原火灾，剖析鱼群优惠状况，监测海雾、海冰、冰川、环境污染等。

可见，气候卫星真是多才多艺呢。

理想上，卫星遥感技术现已宽泛运行于军事、工农业消费和迷信钻研的许多畛域，并收到了清楚的成果。