论文部分内容阅读
干旱半干旱地区的作物生产力在很大程度上受水分条件的制约，明确生产力的时空变化特征及影响因素有利于合理高效利用有限水资源、提高作物生产力以及促进农业生产系统的可持续性。作物模型体现了作物生长发育的机理，可实现作物生长在农场尺度上的连续模拟，但是由于农田管理的区域差异，仅仅利用气象条件难以准确模拟作物生长的空间格局;卫星遥感具有快速获取大范围数据的能力，但只能获得作物生长阶段内有限时期的瞬时数据。融合卫星遥感和作物模型二者的优势，将为区域作物生产力的监测评估提供强有力的支持。相关研究缺乏考虑区域尺度上水分管理的差异性，本研究通过遥感数据获取区域尺度上的冬小麦播种期和灌溉信息，耦合课题组自主开发的中国农业系统模(ChinaAgrosys)，构建了区域尺度的作物模型-遥感数据同化系统，评估不同水分管理的作物生产力特征。研究成果为明确区域作物生产力，指导科学的农业水资源管理以及保障我国旱作农业粮食安全具有重要实践价值。灌溉农业和雨养农业具有明显不同的水分管理及生产目标，本研究在明确灌溉信息空间分布的基础上开展了以下研究工作: 1.区域尺度灌溉信息提取 利用时序卫星遥感数据提取冬小麦物候参数，剖析不同水分管理下作物生长发育同遥感数据之间的关联，选取具有生理意义的分类特征向量，实现区域尺度灌溉和雨养小麦的分类。主要结论:(1)时序遥感数据提取的物候参数能够反映雨养和灌溉小麦之间的差异性，作为分类特征向量有利于提高分类精度。同时，引入的机器学习算法有效避免了反复尝试阈值的问题，提高了分类方法的普适性。(2)从定性和定量两方面评估分类结果，构建的分类模型鲁棒性强，分类结果准确。(3)灌溉和雨养小麦播种期的空间分布相似，二者的成熟期空间分布差异明显，整体上灌溉小麦成熟期较雨养小麦偏晚15天左右。 2.不同水分管理的冬小麦水分生产力分析 结合黄土高原冬小麦县级统计产量数据和卫星遥感数据，在考虑最大光能利用率和收获指数空间差异性的基础上估算冬小麦产量，探讨不同等级干旱胁迫和水分管理下水分利用效率(Water use efficiency,WUE)及其影响因子的变化特征，主要结论:(1)黄土高原冬小麦最大光能利用率和收获指数均存在明显的空间差异性。(2)灌溉小麦的蒸散量和产量均大于雨养小麦。产量和蒸散线性相关，随着蒸散量的增大，灌溉小麦产量增加的幅度明显大于雨养小麦。(3)WUE的变化受产量和蒸散的协同作用影响，WUE的空间格局与产量和蒸散相一致。灌溉和雨养小麦的WUE均随产量的增加而线性增加。灌溉提高作物产量的同时也增加蒸散量，但产量增加的更明显，总体上灌溉小麦的WUE大于雨养小麦。(4)雨养小麦生长季干旱胁迫明显重于灌溉小麦。蒸散的空间分布同干旱大体呼应，蒸散越大，干旱越轻。干旱程度加重时，雨养小麦WUE降低幅度大于灌溉小麦。 3.ChinaAgrosys作物模型在黄土高原的适用性评价 应用扩展傅里叶幅度检验法(extended Fourier amplitude sensitivity test,EFAST)分析ChinaAgrosys模型参数的敏感性，筛选的优化变量用于后续作物模型和遥感数据同化，利用ChinaAgrosys模型模拟不同水分管理的冬小麦生产潜力。主要结论:(1)ChinaAgrosys模型参数的敏感性分析结果表明，影响叶面积指数的前5个参数为c1、b2、c0、b1和b0;对产量影响最大的前5个参数依次为b2、a0、c1、c0和a2。(2)在单点上，产量和成熟期的ChinaAgrosys模型模拟值和观测值之间的误差分别为52.1kg/ha和7天;区域上，产量和成熟期的模拟值和观测值的R2均在0.82以上。(3)水分生产潜力的模拟结果表明，雨养小麦灌1水的产量较雨养增产99.4％;灌2水的产量较灌1水增产37.1％;灌3水的产量较灌2水增产12.4％。灌1水后，冬小麦产量增加明显，但随着灌溉次数的增加，产量增加的幅度依次降低。灌溉小麦不进行灌溉时的产量较灌溉时减少38.2％。 4.ChinaAgrosys作物模型和遥感数据同化试验 利用PROSAIL辐射传输模型反演250mLAI(Leaf Area Index)基础上，构建ChinaAgrosys模型和遥感数据同化的四种方案，系统探讨和比较四种同化方案在区域估产时的可行性、精度和计算效率。主要结论:(1)利用SCE-UA(ShuffledComplex Evolution)算法优化PROSAIL模型的参数后，模型的模拟结果与实测冬小麦冠层反射率曲线吻合较好。(2)基于PROSAIL辐射传输模型，利用查找表法反演LAI。整体上，地面实测LAI＞查找表反演LAI(250m)＞MODIS LAI(1000m)。查找表反演的LAI同地面实测LAI之间一致性较好，并且比MODISLAI更能体现区域尺度上LAI的空间差异性。(3)单点上，四个同化方案模拟的产量准确率从高到低依次为PSO+NDVI、SCE-UA+LAI、PSO+LAI和SCE-UA+NDVI;计算效率以PSO+LAI方案最高，以SCE-UA+LAI方案最低。区域上，四个同化方案的估产精度从高到低依次为SCE-UA+NDVI、PSO+NDVI、SCE-UA+LAI和PSO+LAI。受连续数据同化算法自身的约束，PSO和SCE-UA连续同化算法对外部观测数据的依赖度较高，且耗时较长。综合单点和区域尺度的同化结果，PSO+NDVI方案估算精度较高、耗时较少，且模拟的冬小麦产量的空间分布同实际较为吻合，可以考虑构建区域作物估产同化系统时使用。 作物模型和遥感数据的融合涉及到地面观测、遥感信息反演、作物模型本地化和空间化、同化框架构建以及计算效率等多个方面，各个环节的深入研究，将有助于实现作物模型和遥感数据同化系统的业务运行，提高区域作物长势监测、灾害评估以及产量预报水平。