论文部分内容阅读
作物长势监测和产量预测的准确性,对于促进农业可持续发展和保障国家粮食安全具有非常重要的意义。卫星遥感观测和作物生长模型是近年来作物长势监测和产量预测应用较为广泛的重要技术。但是,遥感信息尚不能真正揭示作物生长发育状况、产量形成的内在机理及其环境气象条件对其的影响;作物生长模型从单点研究发展到区域应用时宏观资料的获取和参数的区域化方面存在较多困难,二者各自的优势和不足引发了研究人员对遥感信息与作物生长模型耦合技术的高度关注。筛选和优化模型参数是基于遥感与作物模型同化的区域作物估产的关键问题。本文选取河北省藁城市冬小麦作为研究对象,采集多个关键生育期的生理生化数据、农田环境数据和气象数据等,并获取准同步的环境减灾小卫星HJ-CCD影像数据,采用植被指数反演冬小麦叶面积指数(LAI),基于扩展傅里叶振幅灵敏度检验法(EFAST)对作物生长模型(WOFOST)的参数进行全局敏感性分析,筛选敏感性参数,调整WOFOST模型的核心参数,利用查找表优化算法实现遥感信息与WOFOST模型的同化,并定量预测区域冬小麦单产水平。论文的研究工作及主要结论如下:(1)本文选取7种表征冬小麦群体特性能力较强的植被指数,分别与实测LAI值建立线性回归反演模型,结果表明:增强型植被指数(EVI)所建立的模型精度最高(开花期R2=0.964,灌浆期R2=0.920),预测能力最强(开花期R2=0.901,灌浆期R2=0.991)。因此,选取EVI作为遥感反演LAI的优选植被指数。(2)本文采用EFAST方法对WOFOST作物生长模型中的26个初始参数进行全局敏感性分析,构建敏感性指数评价各个参数对冬小麦产量形成的影响程度,将敏感性指数大于0.10的参数确定为敏感因子,最终筛选出6个待优化参数,即出苗到开花期的有效积温(TSUM1)、DVS=0.5时的比叶面积(SLATB1)、DVS=1.0时的比叶面积(SLATB2)、叶片衰老指数(SPAN)、20℃条件下的单叶光能初始利用效率(EFFTB3)和30℃条件下对最大2CO同化率的影响系数(TMPF4)。对其他敏感性小的参数,由实测计算、查阅文献获得或者直接利用WOFOST模型默认值,完成对WOFOST模型参数的调整。(3)本文以遥感反演的LAI作为冬小麦长势表征参量,利用查找表优化算法,构建基于WOFOST模型和遥感LAI数据同化的区域尺度冬小麦单产预测模型,预测精度达0.941,RMSE=194.58kg/hm2。达到了同化的目的,找到了待优化参数的最佳取值,最终完成了单产模拟。研究结果表明利用查找表优化算法构建的遥感与WOFOST作物生长模型同化技术可以有效地实现区域冬小麦单产预测与制图。