江蘇省冬小麥模型模擬優(yōu)化研究及應用.pdf

1、實時、準確地掌握農(nóng)作物的長勢情況以及對產(chǎn)量的精確預測有利于保障地區(qū)乃至國家的糧食安全，并對農(nóng)業(yè)的管理和可持續(xù)發(fā)展有著至關(guān)重要的意義。衛(wèi)星遙感數(shù)據(jù)具有客觀、覆蓋面積大、探測及時性等特點，可以為作物生長模型在農(nóng)作物的長勢監(jiān)測和產(chǎn)量估算方面提供新的解決思路，因此將二者結(jié)合能夠有效的發(fā)揮優(yōu)勢，提高作物模型監(jiān)測長勢和預測產(chǎn)量的精度。
　　本文以江蘇省冬小麥為研究對象，主要以遙感數(shù)據(jù)提取的物候期與模型模擬的物候期為連接點，采用SCE-UA(S

2、huffled Complex Evolution-University of Arizona)算法對WOFOST(World Food Study)作物模型中的有關(guān)參數(shù)進行優(yōu)化研究分析，并將優(yōu)化后模擬結(jié)果與徐州、淮安、昆山三個氣象站點有關(guān)冬小麥的實測數(shù)據(jù)進行對比，提高作物模型對冬小麥產(chǎn)量估算的精度以及對其生長發(fā)育狀態(tài)進行模擬監(jiān)測的準確性。主要結(jié)果如下:
　　(1)遙感數(shù)據(jù)預處理。研究采用的遙感數(shù)據(jù)為MODIS的地表反射率數(shù)據(jù)和葉

3、面積指數(shù)數(shù)據(jù)，由于星載傳感器容易受到云、氣溶膠、土壤背景等多種不可預測因素的影響，使得MODIS數(shù)據(jù)值會出現(xiàn)異常值，因此Savitzky-Golay濾波方法被用來處理本文中所使用的兩種數(shù)據(jù)值的時間序列曲線，達到平滑、去除異常值的目的，并結(jié)合研究區(qū)域葉面積指數(shù)的田間實測值與Logistic方程對MODIS-LAI數(shù)據(jù)進行調(diào)整與修正，得到生育期內(nèi)連續(xù)的且更符合冬小麥生長發(fā)育實際情況的葉面積指數(shù)時序曲線，為優(yōu)化模型之后對冬小麥長勢從葉面積指數(shù)

4、角度進行評估做好準備。
　　(2)基于MODIS NDVI時間序列數(shù)據(jù)的冬小麥關(guān)鍵物候期獲取。運用動態(tài)閾值法對已經(jīng)過預處理的遙感數(shù)據(jù)實現(xiàn)冬小麥三個關(guān)鍵物候期（返青、抽穗和成熟期）的提取，得到江蘇省冬小麥的物候期空間分布圖，并使用徐州、淮安、興化、昆山四個站點的冬小麥生育期實測數(shù)據(jù)對結(jié)果進行驗證。結(jié)果表明，驗證站點的返青期、抽穗期和成熟期的平均均方根誤差都在5、6天左右;并且從空間分布圖中可以看出，緯度越高，物候期也會隨之推后，與實

5、際規(guī)律相符。同時也為后文遙感及作物模型兩方面信息的結(jié)合打好基礎。
　　(3)WOFOST作物模型的本地化。利用江蘇省徐州、淮安、昆山三個代表站點2001-2010年的氣象數(shù)據(jù)，結(jié)合對模型中各參數(shù)的敏感性分析結(jié)果，參考相關(guān)文獻資料，對WOFOST作物模型中主要的作物參數(shù)、土壤參數(shù)等進行調(diào)整，建立了以江蘇省北部、中部、南部各一個代表站點的WOFOST作物模型模擬冬小麥生長發(fā)育情況的參數(shù)體系，并對模擬結(jié)果進行驗證，結(jié)果表明本地化后的模型

6、能夠基本滿足模擬江蘇省冬小麥生長發(fā)育進程的需求。
　　(4)在WOFOST作物模型本地化的基礎上，基于SCE-UA算法對作物模型進行優(yōu)化。對WOFOST作物模型的關(guān)鍵性作物參數(shù)進行進一步的敏感性分析，最終將冬小麥的播種日期(Sowing Date)和低溫閾值(TMNFTB)這兩個參數(shù)作為調(diào)整目標。對優(yōu)化結(jié)果運用徐州、淮安和昆山2001-2010年的生育期觀測數(shù)據(jù)、產(chǎn)量統(tǒng)計數(shù)據(jù)以及生育期內(nèi)連續(xù)的經(jīng)過修正的MODIS-LAI數(shù)據(jù)對比驗