一种基于数值天气预报的区域土壤墒情预测方法和系统

本发明涉及农田墒情预测，特别涉及一种基于数值天气预报的区域土壤墒情预测方法和系统。

背景技术：

1、区域尺度土壤墒情是连接气象、水文、土壤与农业生产过程的重要变量，能够直接反映农田土壤水分供给状况，是开展农业抗旱减灾、灌溉用水调度、作物需水预测、产量评估以及数字孪生灌区建设的重要基础数据。近年来，受气候变化影响，极端干旱、强降雨和阶段性渍涝事件频发，旱涝灾害已成为影响农业生产安全和粮食稳定供给的主要自然灾害类型。因此，及时掌握区域土壤墒情现状并对未来墒情演变趋势进行预测，对于实现早预警、早决策和灌区水资源合理调度具有重要意义。

2、随着数值天气预报技术的发展，区域土壤墒情主要通过基于气象预报的墒情预测方法获取，其实施过程包括：获取地面墒情站点实测数据及cldas等陆面同化产品提供的土壤体积含水率空间分布，通过偏差纠正消除区域性系统误差，构建高精度初始墒情场；其次，获取grapes_gfs等数值天气预报产品提供的未来1-10日降水量、最高/最低温度、相对湿度等气象要素预报数据；然后，将校正后的初始墒情场与气象预报驱动数据输入土壤水分动态模拟模型或作物需水模型，进行逐日滚动模拟，得到区域未来墒情预报结果。

3、然而现有基于气象预报的墒情预测方法中，参考作物蒸散发计算常依赖较完整的气象要素输入，在气象资料不充分或不同区域气候条件差异较大的情况下，模型参数缺少属地化订正，导致蒸散耗水估算不准确，降低了区域土壤墒情预测结果的准确性。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于数值天气预报的区域土壤墒情预测方法和系统。

2、本发明实施例提供一种基于数值天气预报的区域土壤墒情预测方法，包括：

3、获取研究区域的多源异构数据，多源异构数据包括：当前土壤墒情数据、数值天气预报数据、田间持水量数据以及作物种植分布数据，数值天气预报数据包括：降雨量数据、最高温度数据和最低温度数据；

4、构建偏差纠正模型，通过偏差纠正模型对当前土壤墒情数据进行偏差纠正，以使当前土壤墒情数据贴近研究区域的真实状态，得到基准墒情数据；

5、基于数值天气预报数据，通过hargreaves模型确定参考作物蒸散发量，并结合作物种植分布数据及预设的作物系数数据库确定研究区域内不同区块和不同时间的作物系数；将参考作物蒸散发量与作物系数进行逐像元相乘，得到未来预设时段内作物蒸散发量的空间分布图；

6、将基准墒情数据作为初始土壤含水量，将降雨量数据作为水分补给项，将不同时间点对应的作物蒸散发量作为水分消耗项，通过逐日滚动更新的方式得到未来预设时段内的逐日土壤含水量；

7、基于田间持水量数据，将逐日土壤含水量转换为相对含水量，并根据相对含水量确定对应的干旱等级，得到研究区域的干旱风险预测分布图。

8、可选地，获取研究区域的多源异构数据之后，还包括数据预处理步骤，具体包括：

9、基于研究区域的边界矢量对多源异构数据进行空间裁剪，以将各类数据的覆盖范围调整至同一范围区间；

10、将不同空间分辨率的多源异构数据重采样至目标栅格网格，将不同坐标系的多源异构数据投影至同一空间参考系；

11、对多源异构数据的时间序列进行统一时次对齐，以保证各类数据在同一空间栅格网格体系下进行逐像元运算，得到预处理后的多源异构数据。

12、可选地，构建偏差纠正模型，具体包括：

13、获取研究区域在历史时刻的历史土壤墒情数据，以及地面墒情站点或人工取样点在同一历史时刻观测到的历史实测墒情数据；

14、将历史实测墒情数据作为因变量，将历史土壤墒情数据作为自变量，通过分位数映射模型与线性回归模型的组合，构建历史土壤墒情数据与历史实测墒情数据之间的映射关系，以对研究区域内不同区块之间的墒情区域性偏差进行订正，得到偏差纠正模型。

15、可选地，预设的作物系数数据库包括：不同作物种类及其在不同生育阶段的作物系数；

16、结合作物种植分布数据及预设的作物系数数据库确定研究区域内不同区块和不同时间的作物系数；将参考作物蒸散发量与作物系数进行逐像元相乘，得到未来预设时段内作物蒸散发量的空间分布图，具体包括：

17、根据作物种植分布数据识别研究区域内各区块的作物类型和当前生育阶段；

18、获取研究区域在对应生育期的哨兵二号卫星地表反射率影像，并筛选云量低于设定阈值的合格影像，基于合格影像中的近红外波段和红光波段确定归一化差值植被指数；

19、针对不同作物类型，通过归一化差值植被指数与基础作物系数的线性转换规则，将归一化差值植被指数转换为基础作物系数，并根据当前生育阶段确定土壤蒸发系数；将基础作物系数与土壤蒸发系数进行叠加，得到每类作物的作物系数；

20、对研究区域内空间不连续区域的作物系数进行插值或缺测补全处理，得到预报时间段内作物系数空间分布图；将作物系数空间分布图与参考作物蒸散发量进行逐像元相乘，得到未来预设时段内作物蒸散发量的空间分布图。

21、可选地，将基准墒情数据作为初始土壤含水量，将降雨量数据作为水分补给项，将不同时间点对应的作物蒸散发量作为水分消耗项，通过逐日滚动更新的方式得到未来预设时段内的逐日土壤含水量，具体包括：

22、根据当前土壤墒情数据对应的土层范围、作物根系分布深度或预设预测层位确定目标土层深度；

23、对预报时段内的每一天，基于水量平衡原理执行以下迭代操作：以前一日的土壤含水量作为起始状态，将当日降雨量作为水分补给项加入土壤水分系统，将当日作物蒸散发量作为水分消耗项从土壤水分系统中扣除，并在整个土层深度内进行均匀化处理，得到更新后的当日土壤含水量；

24、基于下式将更新后的当日土壤含水量作为下一日迭代的起始状态，逐日进行当日土壤含水量的迭代过程，得到未来预设时段内每日的土壤含水量预测栅格数据：

25、

swc_{

n+1}=(

swc_

n×

h+

p_

n－

etc_

n)/

h；

26、其中，

swc_

n为第

n日的土壤含水量，

h为土层深度，

swc_{

n+1}为第

n+1日的土壤含水量，

p_

n为第

n日的降雨量数据，

etc_

n为第

n日的作物蒸散发量。

27、可选地，基于田间持水量数据，将逐日土壤含水量转换为相对含水量，并根据相对含水量确定对应的干旱等级，得到研究区域的干旱风险预测分布图，具体包括：

28、获取研究区域相应预报土层深度的田间持水量数据；

29、针对预报时段内的每一个预测日，将当日预测得到的土壤含水量与同一位置的田间持水量数据进行比值化处理，得到该日的相对含水量空间分布；

30、依据作物生育期适宜的土壤水分控制指标，预设相对含水量与干旱等级的分级对应关系，干旱等级包括无旱、轻旱、中旱和重旱；

31、将各日相对含水量空间分布按照分级对应关系进行等级划分，得到研究区域在预报时段内每日的干旱风险预测分布图。

32、本发明实施例提供一种基于数值天气预报的区域土壤墒情预测系统，包括：

33、数据获取模块，用于获取研究区域的多源异构数据，多源异构数据包括：当前土壤墒情数据、数值天气预报数据、田间持水量数据以及作物种植分布数据，数值天气预报数据包括：降雨量数据、最高温度数据和最低温度数据；

34、偏差纠正模块，用于构建偏差纠正模型，通过偏差纠正模型对当前土壤墒情数据进行偏差纠正，以使当前土壤墒情数据贴近研究区域的真实状态，得到基准墒情数据；

35、蒸散发模块，用于基于数值天气预报数据，通过hargreaves模型确定参考作物蒸散发量，并结合作物种植分布数据及预设的作物系数数据库确定研究区域内不同区块和不同时间的作物系数；将参考作物蒸散发量与作物系数进行逐像元相乘，得到未来预设时段内作物蒸散发量的空间分布图；

36、土壤含水量预测模块，用于将基准墒情数据作为初始土壤含水量，将降雨量数据作为水分补给项，将不同时间点对应的作物蒸散发量作为水分消耗项，通过逐日滚动更新的方式得到未来预设时段内的逐日土壤含水量；

37、干旱等级预测模块，用于基于田间持水量数据，将逐日土壤含水量转换为相对含水量，并根据相对含水量确定对应的干旱等级，得到研究区域的干旱风险预测分布图。

38、本发明实施例提供的上述一种基于数值天气预报的区域土壤墒情预测方法和系统，与现有技术相比，其有益效果如下：

39、本发明通过结合作物种植分布数据及预设的作物系数数据库，构建了作物系数在空间和时间维度上的差异化生成机制，实现基于实际种植结构和生育阶段分异的逐像元精细赋值，完成对蒸散发计算环节的属地化参数动态订正，有效克服了基于气象预报的墒情预测方法在不同气候区适用性差的局限，使耗水估算更贴合区域真实蒸散规律，显著提升区域土壤墒情预测结果的准确性。