山东省冬小麦单产监测与预报方法研究

发布时间：2021-09-05 15:16

　　针对传统农业估产方法效率低、成本高的现状,以山东省为研究区,基于山东省10年表面反射率8 d合成产品MOD09A1、全球陆地蒸发蒸腾8 d合成产品MOD16A2数据和历史产量数据,以增强型植被指数（EVI）、作物水分胁迫指数（CWSI）和经过历史产量分解得到的技术产量为输入,利用最小二乘法构建了山东省级和市级尺度的冬小麦单产估算模型,并在监测和预报两种模式下进行了模型的应用和精度验证。结果表明,在监测模式下,省级估产精度为96.91%,各市监测精度均不小于89.41%,其中菏泽市监测精度最高,为99.31%,济宁市监测精度最低,为89.64%;在预报模式下,返青期结束（第89天）、拔节期结束（第121天）和乳熟期结束（第145天）时的省级小麦预报精度均不低于96.44%,各市预报精度均不小于89.41%,其中青岛市预报精度最高,3次预报的平均精度为99.07%,济宁市预报精度最低,3次预报的平均精度为89.81%。本文建立的估产模型对市级和省级作物单产估算均有较高的适用性,可以实现动态产量预报。本研究对及时了解冬小麦的生长状况、制定科学有效的农业生产决策具有参考价值。 

【文章来源】：农业机械学报. 2020,51(07)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

研究区域图

本文的研究方案包括:(1)计算增强型植被指数(EVI)和作物水分胁迫指数(CWSI)。利用山东省2007—2017年冬小麦生育期内的MODIS传感器地表反射率产品(MOD09A1)计算各县区平均累计增强型植被指数(EVI)，利用同时期蒸腾散发产品(MOD16A2)计算各县区平均累计水分胁迫指数(CWSI)。(2)确定技术产量因子。技术产量反映了该地区的平均农业生产技术水平以及抗灾能力。结合山东省2007—2017年县级历史产量统计数据，利用时间序列趋势方法计算技术产量。(3)建立估产模型。使用最小二乘线性回归法分别进行山东省市级尺度和省级尺度的冬小麦产量预测模型的构建。(4)模型的应用及精度验证。分别在监测模式和预报模式下进行估产模型的应用及精度验证。技术路线见图2。2.2 平均累计指数计算

【参考文献】：
期刊论文
[1]基于时间序列MODISNDVI的冬小麦产量预测方法[J]. 黄健熙,罗倩,刘晓暄,张洁.  农业机械学报. 2016(02)
[2]基于遥感的国外作物长势监测与产量趋势估计[J]. 钱永兰,侯英雨,延昊,毛留喜,吴门新,何延波.  农业工程学报. 2012(13)
[3]冬小麦生物量和产量的AquaCrop模型预测[J]. 杜文勇,何雄奎,Shamaila Z,胡振方,曾爱军,Muller J.  农业机械学报. 2011(04)
[4]用直线滑动均值法做作物趋势产量预报[J]. 温晓慧,温桂清,薛敏.  黑龙江气象. 1994(01)



本文编号：3385587