1.一种粮食作物精准化栽培决策方法，其特征在于，包括如下步骤：获取目标区域内所有站点的栽培相关数据，所述栽培相关数据包括气象数据、土壤数据和管理措施数据；通过双线性插值法对所述气象数据降尺度处理，并与土壤数据和管理措施数据合并为1km✕1km分辨率的网格数据集；以所述网格数据集和预设品种参数集为输入数据，利用随机森林模型和作物生长模型，确定对产量和生育期重要性影响力最大的若干关键品种参数；采用随机森林模型构建所述关键品种参数与网格数据集中的气象数据和土壤数据的映射关系，并得到所述目标区域内每个网格的关键品种参数；以所述目标区域内每个网格的关键品种参数、气象数据和土壤数据为输入数据，利用随机森林模型和作物生长模型，得到对应每个网格目标产量的播种日期和种植密度。
2.根据权利要求1所述的一种粮食作物精准化栽培决策方法，其特征在于，以所述网格数据集和预设品种参数集为输入数据，利用随机森林模型和作物生长模型，确定对产量和生育期重要性影响力最大的若干关键品种参数包括如下步骤；构建品种参数集，每个品种参数在预设范围内采用随机分布设定其值；选取等数量的品种参数集和数据集输入作物生长模型中得到模拟产量和模拟生育期；采用随机森林模型分析品种参数对模拟产量和模拟生育期的重要性，选择影响力最大的若干关键品种参数。
3.根据权利要求1所述的一种粮食作物精准化栽培决策方法，其特征在于，所述采用随机森林模型构建所述关键品种参数与网格数据集中的气象数据和土壤数据的映射关系，并得到所述目标区域内每个网格的关键品种参数包括如下步骤：采用随机森林模型中的randomForest函数构建所述关键品种参数与网格数据集中的气象数据和土壤数据的映射关系；采用随机森林模型中的predict函数对所述关键品种参数预测，得到所述目标区域内每个网格的关键品种参数。
4.根据权利要求1所述的一种粮食作物精准化栽培决策方法，其特征在于，以所述目标区域内每个网格的关键品种参数、气象数据和土壤数据为输入数据，利用随机森林模型和作物生长模型，得到对应每个网格目标产量的播种日期和种植密度包括如下步骤：将所述目标区域内每个网格的关键品种参数、气象数据、土壤数据输入作物生长模型中得到包含生育期天数、播种日期、种植密度、日产量及总产量的模拟数据集；构建管理措施集，其中种植密度和播种日期在预设范围内采用随机分布设定其值，其余管理措施默认当地最优值；采用随机森林模型构建模拟数据集和情景参数集的映射关系；利用所述模拟数据集和情景参数集的映射关系得到对应每个网格目标产量的播种日期和种植密度。
5.根据权利要求1所述的一种粮食作物精准化栽培决策方法，其特征在于，所述作物生长模型为APSIM模型。
6.根据权利要求1所述的一种粮食作物精准化栽培决策方法，其特征在于，玉米的关键品种参数包括从作物出苗到幼期结束阶段所需的积温、从孕穗到开花阶段所需的积温、从开花到生理成熟阶段所需的积温、辐射利用效率；小麦的关键品种参数包括春化敏感性系数、光周期敏感性系数、从播种到出苗所需的积温、从出苗到幼期结束所需的积温；水稻的关键品种参数包括幼期日发育速率、光周期敏感期日发育速率、穗发育期日发育速率、灌浆成熟期日发育速率。
7.根据权利要求1所述的一种粮食作物精准化栽培决策方法，其特征在于，所述气象数据包括日最高温度、日最低温度、日降水和日辐射数据；所述土壤数据包括土壤容重、pH值、粘、粉、砂含量、有机碳含量和阳离子转化率；所述管理措施数据包括经纬度、年份、播种日期、收获日期、种植密度、施肥量、施肥时间、灌溉量、灌溉时间和产量。
8.一种粮食作物精准化栽培决策系统，其特征在于，包括：获取模块，用于获取目标区域内所有站点的栽培相关数据，所述栽培相关数据包括气象数据、土壤数据和管理措施数据；预处理模块，用于通过双线性插值法对所述气象数据降尺度处理，并与土壤数据和管理措施数据合并为1km✕1km分辨率的网格数据集；参数确定模块，用于以所述网格数据集和预设品种参数集为输入数据，利用随机森林模型和作物生长模型，确定对产量和生育期重要性影响力最大的若干关键品种参数；参数预测模块，用于采用随机森林模型构建所述关键品种参数与网格数据集中的气象数据和土壤数据的映射关系，并得到所述目标区域内每个网格的关键品种参数；决策生成模块，用于以所述目标区域内每个网格的关键品种参数、气象数据和土壤数据为输入数据，利用随机森林模型和作物生长模型，得到对应每个网格目标产量的播种日期和种植密度。
9.一种粮食作物精准化栽培决策设备，其特征在于，包括处理器和存储器，存储器用于存储计算机程序，处理器用于执行计算机程序以实现权利要求1所述方法的步骤。
10.一种计算机可读写存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1所述方法。
