多元觀測數(shù)據(jù)與華北夏玉米生長模型的同化研究.pdf

1、目錄摘要第一章引言..1.1研究目的和意義1.2國內(nèi)外研究進展1.2.1作物生長模型研究進展1.2.2遙感反演LAI研究進展1.2.3作物生長模型與觀測數(shù)據(jù)結(jié)合方法研究進展13J^Xt目f^J^rj暑暑《暑眷...暑暴暑11.3.2研究內(nèi)容1第二章數(shù)據(jù)、模型和方法12.1研究數(shù)據(jù)12.1.1作^[據(jù)12.1.2氣象數(shù)據(jù)12.1.3i^^Sf^^121■4…12.2研究模型簡介12.2.1WOFOST模型

2、簡介12.2.2優(yōu)化算法簡介22.3同化流程設(shè)計22.4同化方法的正確性驗證22.4.1基于Price算法的同化方法驗證22.4.2基于DownhillSimplex算法的同化方法驗證2第三章WOFOST模型的敏感性分析33.1基于Price算法的WOFOST模型敏感性分析33.1.1潛在生產(chǎn)水平下WOFOST模型的敏感性分析33.1.2水分脅迫生產(chǎn)水平下WOFOST模型的敏感性分析33.2基于DownhillSi

3、niplex算法的WOFOST模型的敏感性分析33.2.1潛在生產(chǎn)水平下WOFOST模型的敏感性分析33.2.2水分脅迫生產(chǎn)水平下WOFOST模型的敏感性分析33.3不同算法對WOFOST模型敏感性分析的影響33.4小結(jié)3第四章觀測數(shù)據(jù)對WOFOST模型參數(shù)的約束作用3摘要作物生長模型能夠動態(tài)反映作物生長發(fā)育的內(nèi)在機理過程，現(xiàn)已成為農(nóng)業(yè)研究最有力的工具之一。但是，目前多數(shù)作物生長模型對農(nóng)業(yè)生態(tài)系統(tǒng)的描述仍過于簡化致使形成大

4、量參數(shù)，而參數(shù)化的不準確或參數(shù)的不確定性降低了模型的模擬能力。地面或遙感等多元觀測數(shù)據(jù)與作物生長模型的同化為改善模型模擬精度提供了一種有效途徑。本研究以河北固城和河南鄭州代表站點的夏玉米生長發(fā)育為例，開展基于Price和DownhillSimplex算法的觀測數(shù)據(jù)與WOFOST模型同化方法研究。首先進行WOFOST模型參數(shù)的敏感性分析，考察遙感反演LAI和地面實測作物生長發(fā)育等多元觀測數(shù)據(jù)對WOFOST模型不同參數(shù)或變量初值的約束能力，

5、然后比較基于Price算法和DownhillSimplex算法的觀測數(shù)據(jù)與WOFOST模型同化的異同。最后探討WOFOST模型同化夏玉米不同發(fā)育時段遙感觀測信息的效果。主要研究結(jié)論有：0)建立了基于Price算法和DownhillSimplex算法確定待優(yōu)化參數(shù)的的觀測數(shù)據(jù)與作物生長模型同化方法。首先開展觀測數(shù)據(jù)與作物生長模型同化方法的正確性驗證。然后利用Price算法和DownhillSimplex算法進行WOFOST模型所有參數(shù)和變

6、量初值的敏感性分析，遴選出模型狀態(tài)變量的敏感參數(shù)；接著，針對Price算法根據(jù)擬合優(yōu)度和參數(shù)優(yōu)化值之間的關(guān)系進行敏感參數(shù)的約束性分析，確定各狀態(tài)變量的可約束參數(shù)；最后探討觀測數(shù)據(jù)與作物生長模型的同化過程，在Price算法中以可約束參數(shù)為待優(yōu)化參數(shù)，在Simplex算法中根據(jù)參數(shù)的敏感程度、生物學意義以及盡可能選擇較少參數(shù)的原則獲得多種參數(shù)組合并比較模擬效果，選取誤差最小組合作為待優(yōu)化參數(shù)；對待優(yōu)化參數(shù)進行組合優(yōu)化，得到各參數(shù)的最優(yōu)值，并