基于遙感與作物生長模型的冬小麥生長模擬研究.pdf

1、準確的作物長勢動態(tài)監(jiān)測和產(chǎn)量預(yù)測對于保障糧食安全、促進農(nóng)業(yè)可持續(xù)發(fā)展具有非常重要的意義。作物模型在監(jiān)測作物長勢和預(yù)報產(chǎn)量方面是個強有力的工具，然而作物模型由單點模式發(fā)展而來，在區(qū)域應(yīng)用上由于區(qū)域分異、田塊分異等導(dǎo)致作物模型模擬要求的輸入?yún)?shù)和初始條件難以獲取，使作物模型的應(yīng)用受到很大的限制，而遙感信息的引入可能使得這個問題得到解決，將遙感信息和作物模型相結(jié)合，利用遙感信息反演得到的狀態(tài)變量優(yōu)化作物模型模擬，在區(qū)域上對作物模型所需的敏感參

2、數(shù)和初始條件等重新估計，從而使得作物模型在區(qū)域上發(fā)揮優(yōu)勢。 本研究擬在對作物模型WOFOST適應(yīng)性調(diào)整及改進的基礎(chǔ)上，建立適合山東禹城地區(qū)的冬小麥生長模擬模型；利用田間試驗數(shù)據(jù)校正和驗證作物生長模擬模型WOFOST，探討水分脅迫生產(chǎn)水平下的作物模擬模型與遙感信息結(jié)合的方法，利用遙感信息校準作物模擬模型的某些關(guān)鍵過程或重新初始化、參數(shù)化作物模擬模型，以達到對作物模型的優(yōu)化；探索應(yīng)用遙感信息的區(qū)域性作物模擬的合理實用方法，并進行模擬

3、研究，使之可以進行區(qū)域作物長勢監(jiān)測和產(chǎn)量預(yù)報。主要結(jié)論如下： (1)為使WOFOST模型能更好地模擬水分脅迫對冬小麥生長過程的影響，對WOFOST模型進行了適當(dāng)改進：利用FAO最新推薦的Penman-Monteith公式(1998)替換原有的Penman公式(1948)進行參考作物蒸散的估算；依據(jù)同一作物不同生育階段的作物系數(shù)不同的規(guī)律，將作物系數(shù)改為隨生育期變化的變量。根據(jù)作物生長參數(shù)生物學(xué)意義和敏感性的不同制定調(diào)整方案，利用

4、FSEOPT程序或“試錯法”對光合作用最大速率、比葉面積、葉片衰老指數(shù)、分配系數(shù)、光能利用效率、干物質(zhì)轉(zhuǎn)換系數(shù)等參數(shù)進行調(diào)整。利用田間試驗數(shù)據(jù)對調(diào)整后的WOFOST模型進行校正和驗證。結(jié)果表明：通過對上述兩個方面的適當(dāng)改進和主要作物參數(shù)及土壤參數(shù)的適應(yīng)性調(diào)整，調(diào)整后WOFOST模型對冬小麥的模擬如LAI、地上生物量與實測數(shù)據(jù)相符，蒸散的模擬更符合實際情況，調(diào)整后WOFOST模型可用于模擬研究區(qū)域?qū)嶋H土壤水分狀況下冬小麥生長發(fā)育及產(chǎn)量形成

5、過程。 (2)本研究構(gòu)建的區(qū)域目蒸散模型是基于遙感數(shù)據(jù)和常規(guī)氣象站觀測數(shù)據(jù)基礎(chǔ)上建立的區(qū)域模型，通過植被指數(shù)(VI)-地表溫度(T<,s>)三角法計算了地表的地表溫度一植被覆蓋度系數(shù)(TVCI)，采用改進的“實時”三角法和“普適”三角法分別計算地表的TVCI，結(jié)合Penman-Monteith蒸散模式計算的潛在潛熱通量(λE<,P>)估算地表的日蒸散量。本算法的關(guān)鍵是確定地表的TVCl，分別運用了兩種Vl-T<,s>三角算法一即

6、“普適”三角算法和“實時”三角算法估箅地表的TVCI。三角算法雖然具有一定的經(jīng)驗性，其優(yōu)勢是靈活、簡單、適用，避免了許多物理過程的復(fù)雜計算。研究結(jié)果顯示基于“實時”三角法計算的日蒸散與本文建立的“土壤失水法”得到的結(jié)果比較一致，結(jié)果比較可靠?！捌者m”三角法雖然具有一定的氣候適應(yīng)性，但通過本研究發(fā)現(xiàn)該法計算的日蒸散結(jié)果偏低，不適用于本研究區(qū)域。本文的目標(biāo)是建立一種計算日蒸散量的適用算法。與其它遙感估算區(qū)域日蒸散量方法相比，本方法具有簡單實

7、用的優(yōu)點，只要遙感資料和常規(guī)的氣象站觀測氣象要素，不要求有遙感資料同步觀測的氣象資料，因而實用性大大增強。 (3)本研究提出了自己的觀點，開發(fā)了合理實用的方法，采用“正推+像元模式”LAI反演結(jié)合分類方法將遙感信息和作物模擬模型有機的結(jié)合起來，融合衛(wèi)星遙感的信息優(yōu)勢和作物模型的機理優(yōu)勢，使得作物模型的模擬可以在區(qū)域上應(yīng)用，具有相當(dāng)?shù)目茖W(xué)研究意義和較高的實用價值。對前人和其他學(xué)者的反演LAI的眾多方法進行了詳細的研究和總結(jié)，在進行

8、驗證和比較的基礎(chǔ)上開發(fā)訂正系數(shù)方法，用訂正系數(shù)方法對優(yōu)選的方法計算的LAI進行訂正，得到適合本研究的LAI反演方法，反演了研究區(qū)域LAI的時間序列分布情況。就遙感信息和作物模擬模型的結(jié)合模式進行了深入的探討，總結(jié)和提出遙感信息與作物模型模擬結(jié)合研究的四種方式，推導(dǎo)思路有正推、反推，單元構(gòu)建有像元模式、格點模式，可以有四種組合方式：正推+像元模式、正推+格點模式、反推+像元模式、反推+格點模式。對各方法的優(yōu)缺點做了比較分析。對遙感信息和作

9、物模擬模型的結(jié)合模式進行進一步的研究，研究了“反推+格點模式”套用輻射傳輸模型方法，并對其流程和實施情況做了研究分析，提出了自己的“正推+像元模式”LAI反演結(jié)合分類的思路和方法。利用“正推+像元模式”LAI反演結(jié)合分類方法，在像元尺度上模擬得到2000-2001年禹城區(qū)域冬小麥生長分布與實際情形基本相符，冬小麥的面積和產(chǎn)量都與統(tǒng)計結(jié)果相當(dāng)接近。 (4)本文對利用衛(wèi)星遙感數(shù)據(jù)反演的LAl和地表蒸散校準作物模型模擬過程中的參數(shù)和變