基于BP神经网络的农田小气候站数据质量控制算法设计

卢德全，刘书慧*，康 健，李嘉乐，李 梦

(1.四川省南充市气象局，四川 南充 637000； 2.四川省大数据中心，四川 成都 610000； 3.成都信息工程大学，四川 成都 610225)

0 引言

【研究意义】目前，我国存在大量低成本、体积小、易于安装、高密度的农田小气候站，主要用于农业园区的实时气象监控，但由于其数据可靠性低，无法替代国家自动气象观测站的数据作为可靠的气象数据进行分析，所以，庞大的农田小气候站数据应用被忽视。为充分发挥农田小气候站数据在农业农村发展中的重要功能和巨大潜力，有力支撑和服务农业现代化，推进“十四五”农业农村发展显得至关重要[1-2]，怎样高效利用农业数据成为重要环节。因此，农业数据质量的提高显得尤为重要。【前人研究进展】BP神经网络模型具有较强的自学习能力和处理非线性问题能力，近年来在农业相关领域得到广泛应用。金志凤等[3]基于BP神经网络构建杨梅生产大棚内最高和最低气温的预测模型，并根据逐时转化系数计算棚内相应的逐时气温，以达到逐时预报大棚内气温的目的。张漫等[4]利用空气温湿度、光照强度和 CO2浓度为输入参数，建立基于BP神经网络的光合速率预测模型，预测不同 CO2浓度下的光合日动态。【研究切入点】目前，国内气象行业已建成5～10 km的国家区域自动气象站，且形成了网格化标准气象要素收集能力。若能发挥该网络化气象信息采集模式的优势，建立农田小气候站数据同化算法模型，对提升小气候站数据精度和质量，满足农业园区精细化气象服务要求具有重要意义。……