基于作物模型同化遙感物候信息的冬小麥估產(chǎn)方法研究.pdf

1、利用遙感技術(shù)進行大范圍的農(nóng)作物長勢監(jiān)測與產(chǎn)量估算已有三十多年的歷史，然而存在一個不足之處是衛(wèi)星傳感器受到運行周期等因素的影響，在作物整個生長季中只能獲得有限的、離散的觀測數(shù)據(jù)，無法揭示作物的生長發(fā)育和產(chǎn)量形成這一連續(xù)演進過程的內(nèi)在機理，以及氣候、土壤、環(huán)境對于作物生長的影響，而這又恰恰是作物模型的優(yōu)勢所在。因此，利用同化方法結(jié)合二者進行估產(chǎn)是近年來國內(nèi)外的研究熱點。
　　本文首先對SWAP作物模型進行標(biāo)定；然后基于MODIS-LA

2、I時間序列數(shù)據(jù)產(chǎn)品提取冬小麥物候信息；之后進行模型參數(shù)區(qū)域化研究，建立基于代價函數(shù)的同化方法，將冬小麥物候信息同化進入SWAP作物模型，進行冬小麥產(chǎn)量估算；最后利用國家農(nóng)業(yè)部公布的縣平均統(tǒng)計產(chǎn)量與作物模型估算結(jié)果對比，來驗證作物模型的產(chǎn)量估算精度。主要方法和結(jié)論如下：
　?。?）利用河北固城實驗數(shù)據(jù)，以及河北南部地區(qū)農(nóng)業(yè)氣象站點的田間試驗資料對SWAP模型有關(guān)發(fā)育和生長的冬小麥品種遺傳特性參數(shù)進行了初步確定；其次將所有作物生長參數(shù)

3、劃分為三大類，根據(jù)作物參數(shù)的機理或敏感度對積溫，比葉面積、葉片年齡等參數(shù)進行調(diào)整。經(jīng)過調(diào)整的SWAP模型能夠較好地模擬潛在生產(chǎn)水平下河北南部地區(qū)冬小麥生長發(fā)育及產(chǎn)量形成過程，并為作物模型在區(qū)域尺度上的應(yīng)用打下很好的基礎(chǔ)；
　?。?）本文基于MODIS/LAI時間序列數(shù)據(jù)進行冬小麥物候提取。首先利用SG上包絡(luò)線濾波方法進行平滑曲線的構(gòu)建；其次采用Logistic曲線擬合的技術(shù)，提取冬小麥物候信息。結(jié)果顯示隨著緯度的降低，返青和抽穗的

4、物候期發(fā)生時間逐漸提前，這一特征與實地調(diào)查結(jié)果吻合。另外統(tǒng)計結(jié)果表明，08年的物候期特別是返青期平均要比07年晚十天，原因是08年初的雪災(zāi)所造成的天氣寒冷；
　?。?）建立基于代價函數(shù)的同化方法，將冬小麥物候信息同化進入SWAP作物模型，進行冬小麥產(chǎn)量估算，利用國家農(nóng)業(yè)部統(tǒng)計產(chǎn)量驗證產(chǎn)量估算的準(zhǔn)確性。結(jié)果顯示：均方根誤差RMSE在2007減小了5.4％，在2008年減小了15.4%。同化后使作物模型產(chǎn)量估算的精度有一定提高，實驗結(jié)