基于定量遙感產(chǎn)品和作物生長模型同化的農(nóng)作物長勢監(jiān)測與估產(chǎn)方法研究.pdf

1、衛(wèi)星遙感和作物生長模型在作物長勢監(jiān)測和產(chǎn)量預(yù)測方面優(yōu)勢互補。遙感監(jiān)測難以揭示作物生長發(fā)育和產(chǎn)量形成的內(nèi)在機理，作物模型在區(qū)域應(yīng)用時初始值的獲取和參數(shù)的區(qū)域化遇到很多困難。如何通過二者的結(jié)合發(fā)揮各自的最大優(yōu)勢是近年來國內(nèi)外的研究熱點。 在前人的研究基礎(chǔ)之上，考慮現(xiàn)有的資料及技術(shù)條件，為了研究作物生長模型的遙感信息同化用于區(qū)域作物長勢監(jiān)測及估產(chǎn)的方法，本文主要利用模擬數(shù)據(jù)、實地測量數(shù)據(jù)及小區(qū)域的遙感數(shù)據(jù)對所提出的同化方法的可行性進行

2、了驗證。研究工作主要涉及以下幾個方面：(1)同化數(shù)據(jù)的準備，包括：地面數(shù)據(jù)和遙感數(shù)據(jù)。地面數(shù)據(jù)主要來自2001年在北京市順義區(qū)進行的“星——機——地定量遙感綜合試驗”。遙感數(shù)據(jù)為MODIS數(shù)據(jù)，并通過RSIS遙感反演系統(tǒng)完成了MODIS數(shù)據(jù)的預(yù)處理以及LAI的反演。 (2)作物生長模型的選擇及標定。選擇DSSATv4.0框架的CERES_Wheat小麥模型作為研究對象。利用順義區(qū)趙全營鄉(xiāng)的4塊樣地——NW2、NW3、NW4、NW

3、5地塊的觀測數(shù)據(jù)對CERESWheat模型進行標定，使其能夠較準確地模擬小麥411品種的生長發(fā)育狀況。 (3)研究基于SCE_UA算法的CERESWheat模型的同化方法，并對方法的可行性進行驗證。 同化過程以葉面積指數(shù)(Leafareaindex，簡稱LAI)作為結(jié)合點，利用SCE_UA算法不斷調(diào)整CERES_Wheat模型中小麥播種日期、種植密度、追肥日期及追肥量四個模型初始變量的取值，直至模型模擬LAI與外部“觀測

4、”LAI的差值滿足SCEUA算法的收斂條件。本文從小麥長勢監(jiān)測與估產(chǎn)的角度，在NW2、NW3、NW4、NW5地塊，對基于SCEUA優(yōu)化算法的CERES_Wheat模型的同化方法進行了驗證，得到以下結(jié)果和結(jié)論：在外部“觀測”LAI不存在誤差時，經(jīng)過同化后，CERESWheat模型能很好地模擬小麥的開花日期、成熟日期、LAI及產(chǎn)量。 模型同化后主要生育期及產(chǎn)量的模擬誤差對外部“觀測”LAI的誤差具有較好的魯棒性。 只利用冬小

5、麥生育期內(nèi)兩天的MODISLAI反演數(shù)據(jù)完成CERES_Wheat模型的小區(qū)域遙感同化，開花期模擬最大誤差兩天，成熟期模擬最大誤差1.3天，產(chǎn)量模擬最大誤差8.55﹪，最小誤差3.50﹪。 以上結(jié)果說明，本文提出的基于SCE_UA算法的CERESWheat模型的同化方法是可行的。 本文沒在區(qū)域上對CERESWheat模型的同化效果進行驗證。要實現(xiàn)基于作物生長模型同化的區(qū)域農(nóng)作物長勢遙感監(jiān)測與估產(chǎn)，還有很多工作需要進一步深