基子AqoaCrop模型与多源遥感数据的北方冬小麦水分利用效率估算

发布时间：2017-05-11 07:02

  本文关键词：基子AqoaCrop模型与多源遥感数据的北方冬小麦水分利用效率估算，由笔耕文化传播整理发布。

【摘要】：在作物灌溉管理上,水资源是作物生长的一个重要限制因子。随着人口的不断增加,人们对生活用水和工业用水的需求也不断增加,进而导致农业水资源使用的竞争不断加大。在灌溉农业区域,对于农业来说,水资源变得越来越缺乏。水分生产力(WP)或水分利用效率(WUE,它被作为分析水资源利用效率的一个指标)用来改善灌溉农业地区的水资源管理。在灌溉农业区域,通过改善该地区作物的WUE,从而解决当前该地区水资源严重短缺和需要更多作物产量的问题。合理的田间灌溉管理措施,可以提高作物的WUE和增加作物的产量,进而解决灌溉农业地区水资源严重不足的问题。然而,当前传统的WUE测量方法,需要研究人员花费大量的人力物力和时间。随着遥感技术在农业水分管理上的应用,使遥感影像数据在区域尺度上估算作物的WUE成为可能。在本研究中,在冬小麦的整个生长阶段获得田间的ASD高光谱数据、卫星影像数据(光学和雷达影像数据)、气象数据、冬小麦的叶面积指数(LAI),冠层覆盖度(CC)、生物量(BY)和产量(GY)等数据。基于AquaCrop模型和多源遥感数据对研究区域的冬小麦WUE进行估算研究主要包括五个方面：1)应用全局敏感性分析方法对AquaCrop模型的产量和相关的动态输出变量进行敏感性分析；2)在华北平原,应用AquaCrop模型对不同灌溉和不同播种日期的冬小麦CC、BY和GY进行模拟分析；3)整合田间ASD高光谱数据和AquaCrop模型,对冬小麦的WUE进行了估算；4)使用环境卫星和RADARSAT-2影像数据构建新的光学-雷达整合植被指数对冬小麦的CC和生物量进行估算；5)基于粒子群优化算法,将AquaCrop模型与光学和雷达影像数据整合,对陕西杨凌地区的冬小麦WUE进行估算。一些重要的结论归结为：1)作物参数敏感性随着作物参数变化范围的变化而变化。对于一阶敏感性指数来说,当设置作物参数的变化范围在正常值±10%变化时,作物参数对冬小麦最大干生物量从最高到最低的重要性顺序为wp、cc、stbio和mmcc,作物参数对春小麦最大干生物量从最高到最低的重要性顺序为stbio、cc、wp和mcc。与上面的研究结果类似,当设置作物参数的变化范围在正常值±30%变化时,作物参数对冬小麦和春小麦最大干生物量的重要性及选择的顺序是相同的。当设置作物参数的变化范围在正常值±50%变化时,作物参数对冬小麦和春小麦最大干生物量的重要性及选择的顺序存在一定的差异。对于总的敏感性指数来说,当设置作物参数的变化范围在正常值±10%变化时,作物参数的重要性和选择的作物参数对冬小麦最大干生物量(wp、cc、stbio、rootdep、polmn、mcc,和psto)和春小麦最大干生物量(stbio、cc,wp和mcc)之间存在一些差异。然而,当设置作物参数的变化范围在正常值±30%变化时,作物参数的重要性和选择的作物参数对冬小麦最大干生物量(wp、cc,stbio和mcc)和春小麦最大干生物量(wp、cc,stbio和mcc)之间是相同的。当设置作物参数的变化范围在正常值±50%变化时,作物参数的重要性和选择的作物参数对冬小麦最大干生物量(wp、cc,stbio和mcc)和春小麦最大干生物量(stbio、cc、wp、dcc、rmexup、 pstoshp、hilen、anaer、hi、mcc、remd, eme和psto)之间存在较大差异。时间序列敏感性分析结果表明,作物参数ssc、stbio、plomn、wp、cc,mcc和num的时间序列一阶敏感性对冬小麦或春小麦的冠层覆盖度和干生物量最敏感。作物参数总的敏感性指数和时间序列总的敏感性指数比作物参数一阶敏感性指数和时间序列一阶敏感性指数更加敏感。北京的冬小麦和加拿大的春小麦之间一阶敏感性指数和时间序列一阶敏感性指数具有较好的一致性。然而,冬小麦和春小麦之间总的敏感性指数和时间序列总的敏感性指数存在较大差异。2)本研究证明AquaCrop模型可以较好的模拟不同播种日期和不同灌溉策略的冬小麦冠层覆盖度(CC),生物量(BY),产量(GY)。通过4年的研究表明AquaCrop模型模拟的CC与实测的CC具有较好的一致性。冬小麦模拟的CC与实测的CC的R2,RMSE和E值变化范围分别为0.89到0.98,3.18%到7.19%和0.90到0.96。模拟的BY与实测的BY具有较好的关系。实测的BY用来校正AquaCrop模型,它的预测统计误差为0.92R20.98,1.12RMSE1.84 ton ha-1和0.92E0.96。模拟的GY也与实测的GY具有较好的一致性, AquaCrop模型模拟的GY也与实测的GY的R2,RMSE和E值分别为0.93,0.52 tonha-1和0.92。同时研究结果也证明,在2010/2011年冬小麦,通过频繁少量的多次灌溉可以显著地改善BY,GY,生物量和籽粒的水分利用效率。这些结果表明AquaCrop模型模拟值和实际测量值具有较高的一致性和稳定性,它可以用来模拟华北平原(NCP)不同播种日期和不同灌溉策略的冬小麦CC,BY和GY。因此,我们可以得出这样的结论,AquaCrop模型是一个有用的决策工具,用它可以有效的优化冬小麦的播种日期和灌溉策略。3)研究结果表明,蒸渗仪获取的ET数据与Aquacrop模型模拟的ET数据具有较好的一致性(R2=0.96和RMSE=0.47 mm)。植被指数NDMI与冬小麦生物量存在较好的关系,对应的R2和RMSE值分别为0.84 and1.43 ton/ha。所有的植被指数与水分利用效率(WUE)具有较高的相关性,我们的研究结果说明植被指数TBWI为最好的WUE估算回归方程,对应的R2和RMSE值分别为0.73和0.15 kg/m3。用AquaCrop模型模拟的冬小麦生物量和产量与实测的冬小麦生物量和产量存在较好的关系。本研究结果说明数据整合方法(R2=0.79和RMSE=0.12 kg/m3)优于经验统计植被指数方法(R2=0.72和RMSE=0.15 kg/m3)对冬小麦WUE的估算精度。4)LAI和BY与光学光谱植被指数(OSVIs;增强型植被指数,EVI；改善三角植被指数2,MTVI2)和雷达极化植被指数(RPVIs;雷达植被指数,RVI；双向反射特征值相对差异,DERD)存在较好的关系。光学雷达植被指数(ORVIs) [MTVI2×DERD (R2=0.67)和MTVI2×RVI (R2=0.68)]与LAI有较高的相关性。但是,ORVIs[优化土壤调节植被指数(OSAVI)×DERD (R2=0.79)和EVI×RVI (R2=0.80)]与生物量有较高的相关性。ORVIs优于单独用OSVIs和RPVIs对LAI和BY的估算精度。研究结果表明,ORVIs对改善冬小麦LAI和BY的估算精度有很大潜力。5)使用粒子群优化算法将光学和雷达影像数据与AquaCrop模型进行整合,用来估算杨凌的冬小麦产量和WUE。以CC或BY分别作为状态变量,预测的CC(R2=0.66和RMSE=10.45%)和BY(R2=0.79和RMSE=1.53 ton/ha)与实测的CC和BY之间有很好的一致性。当以CC作为状态变量时,预测的GY(R2=0.31和RMSE=0.94 ton/ha)和WUE(R2=0.34和RMSE=0.29 kg/m3)与实测的GY和WUE有较好的一致性。当以BY作为状态变量时,预测的GY(R2=0.42和RMSE= 0.81 ton/ha)和WUE(R2=0.43和RMSE=0.25kg/m3)与实测的GY和WUE也有较好的一致性。研究结果表明,以BY作为状态变量优于以CC作为状态变量对冬小麦GY和WUE的估算结果。
【关键词】：冬小麦 AquaCrop模型 全局敏感性分析 植被指数 遥感 水分利用效率
【学位授予单位】：扬州大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：S512.11
【目录】：

• 摘要6-9
• ABSTRACT9-17
• 第一章 文献综述17-67
• 1 AquaCrop模型的研究背景、基本原理、整体框架与应用流程18-23
• 1.1 AquaCrop模型研究背景18
• 1.2 AquaCrop模型基本原理18-20
• 1.3 AquaCrop模型的整体框架20-23
• 1.4 AquaCrop模型应用过程23
• 2 AquaCrop模型研究进展23-27
• 2.1 可应用AquaCrop模型研究的作物类型和关键参数23-25
• 2.2 AquaCrop模型应用的拓展25-26
• 2.3 AquaCrop模型的优缺点26-27
• 2.4 深化AquaCrop模型应用的思考27
• 3 植物水分含量监测和水分利用效率的研究进展27-32
• 3.1 植物水分含量监测的研究进展27-31
• 3.2 植物水分利用效率的研究进展31-32
• 4 作物模型和遥感数据同化的研究进展32-44
• 4.1 作物模型33-37
• 4.2 遥感技术和作物参数的关系37-41
• 4.3 作物模型和遥感数据同化41-44
• 5 结论与展望44-45
• 5.1 AquaCrop模型44-45
• 5.2 作物模型和遥感数据同化45
• 6 研究目的意义45-47
• 参考文献47-67
• 第二章 AquaCrop模型的小麦产量和输出过程变量的全局敏感性分析67-97
• 引言67-69
• 1 试验材料与方法69-76
• 1.1 研究地点介绍69-70
• 1.2 气象数据的获取70-71
• 1.3 土壤数据的获取71-72
• 1.4 AquaCrop模型的介绍72-75
• 1.5 EFAST方法和敏感性分析策略75-76
• 2 结果76-91
• 2.1 参数变化范围对作物参数一阶敏感性的影响76-80
• 2.2 参数变化范围对作物参数总的敏感性影响80-84
• 2.3 作物参数对不同时间序列输出变量的敏感性分析84-89
• 2.4 一阶敏感性指数与总敏感性指数的差异89
• 2.5 Aquacrop模型校正指导89-91
• 3 小结91-92
• 参考文献92-97
• 第三章 AquaCrop模型参数的“本地化”研究97-115
• 引言97-98
• 1 试验材料与方法98-103
• 1.1 研究地点与试验设计98-99
• 1.2 气象数据的选择与分析99-101
• 1.3 试验站的土壤数据101
• 1.4 田间试验和作物数据获取101-102
• 1.5 水分利用效率102
• 1.6 AquaCrop模型的介绍102
• 1.7 数据分析102-103
• 2 结果与分析103-110
• 2.1 AquaCrop模型的校正和验证103-108
• 2.2 生物量产量,籽粒产量和水分利用效率108-110
• 3 小结110-111
• 参考文献111-115
• 第四章 比较植被指数方法和植被指数-AquaCrop模型方法对冬小麦水分利用效率的估算115-133
• 引言115-117
• 1 试验材料与方法117-123
• 1.1 试验地点与试验设计117
• 1.2 冠层光谱反射率的测量117
• 1.3 气象数据与作物蒸腾获取117-118
• 1.4 冬小麦生物量和籽粒产量数据的获取118
• 1.5 冬小麦水分利用效率的计算118
• 1.6 AquaCrop模型和ACsaV40模型(AquaCrop模型插件)的介绍118-120
• 1.7 ACsaV40模型和遥感数据的整合120-121
• 1.8 植被指数的选择121-122
• 1.9 数据分析122-123
• 2 结果与分析123-129
• 2.1 AquaCrop模型ET数据的校正123
• 2.2 生物量估算123-124
• 2.3 植被指数估算水分利用效率(WUE)124-125
• 2.4 数据整合方法对水分利用效率(WUE)的估算125-129
• 3 小结129-130
• 参考文献130-133
• 第五章 基于AquaCrop模型和主被动遥感影像数据同化对冬小麦水分利用效率的估算133-157
• 引言133-135
• 1 试验材料与方法135-143
• 1.1 研究区域概况135-136
• 1.2 田间数据的获取136-137
• 1.3 卫星影像数据的处理137-139
• 1.4 光学和雷达植被指数的选择139-140
• 1.5 模型和整合方法140-142
• 1.6 统计分析方法142-143
• 2 结果与分析143-153
• 2.1 光学植被指数与LAI和生物量之间的关系143-144
• 2.2 雷达植被指数与LAI和生物量之间的关系144-146
• 2.3 整合植被指数与LAI和生物量之间的关系146
• 2.4 冠层覆盖度和生物量的估算146-148
• 2.5 AquaCrop模型ET数据的校正148
• 2.6 数据同化方法对冠层覆盖度和生物量的估算148-150
• 2.7 数据同化方法对产量和水分利用效率的估算150-151
• 2.8 区域产量和水分利用效率估算151-153
• 3 小结153-154
• 参考文献154-157
• 第六章 讨论、结论、创新点与展望157-175
• 1 讨论157-166
• 1.1 AquaCrop模型全局敏感性分析157-160
• 1.2 AquaCrop模型模拟结果与冬小麦的水分利用效率160-161
• 1.3 植被指数方法与数据整合方法对冬小麦WUE的估算161-163
• 1.4 基于AquaCrop模型和多源遥感数据对冬小麦水分利用效率的区域估算163-166
• 2 结论166-168
• 2.1 Aquacrop模型的敏感性分析166
• 2.2 AquaCrop模型的应用研究166-167
• 2.3 比较不同方法对冬小麦水分利用效率的估算167
• 2.4 多源遥感数据和AquaCrop模型对冬小麦水分利用效率区域估算167-168
• 3 本研究的创新点168-169
• 3.1 AquaCrop模型作物参数的时间序列敏感性分析168
• 3.2 AquaCrop模型参数“本地化”研究168
• 3.3 基于时间序列的光学和雷达数据的整合应用168
• 3.4 AquaCrop模型和主被动遥感数据对冬小麦水分利用效率的估算168-169
• 4 尚待深入研究的问题169-170
• 4.1 AquaCrop模型可扩展性的研究169
• 4.2 冬小麦水分利用效率的估算研究169
• 4.3 数据同化研究169-170
• 参考文献170-175
• 致谢175-177
• 攻读学位期间发表的学术论文及科研成果目录177-182

【相似文献】

中国期刊全文数据库 前10条

1 雷震宇,裴雪霞;钾、锌、锰配施在冬小麦上的效应研究[J];山西农业科学;2003年04期

2 喻敏,胡承孝,王运华;冬小麦缺钼反应的基因型筛选[J];华中农业大学学报;2003年04期

3 刘庆梅,刘陪军,朱同贵,郭跃升,曲仁国,蒋庆功,崔振岭,陈新平,张福锁;氮素实时监控技术在冬小麦上的示范[J];中国农技推广;2005年05期

4 王勇,高育锋,樊廷录;旱地周年覆膜条件下冬小麦的光合特性[J];麦类作物学报;2005年06期

5 丛振涛,雷志栋,胡和平,杨诗秀;冬小麦生长与土壤-植物-大气连续体水热运移的耦合研究Ⅰ:模型[J];水利学报;2005年05期

6 千怀遂,焦士兴,赵峰;河南省冬小麦气候适宜性变化研究[J];生态学杂志;2005年05期

7 刘艳红;徐凤霞;张晓辉;周玉兰;朱翠红;;山东省潍坊市冬小麦产量统计预报的初探[J];科技创新导报;2008年04期

8 郑彩霞;张富仓;张志亮;李志军;;限量灌溉和施磷对冬小麦生长及水分利用的影响[J];干旱地区农业研究;2008年02期

9 陈世敏;杨瑞霞;马步朝;;4种控制冬小麦冬前旺长措施的效果对比[J];甘肃农业科技;2008年05期

10 孙秋生;樊景豪;;菏泽市2007～2008年冬小麦全生育期气象条件分析[J];现代农业科技;2008年15期

中国重要会议论文全文数据库 前10条

1 李德;;基于概率分布的宿州冬小麦气候风险评估方法[A];第26届中国气象学会年会农业气象防灾减灾与粮食安全分会场论文集[C];2009年

2 车少静;高祺;刘利军;;2009-2010年度石家庄异常低温对冬小麦影响[A];第27届中国气象学会年会现代农业气象防灾减灾与粮食安全分会场论文集[C];2010年

3 雷震宇;裴雪霞;;钾、锌、锰配施在冬小麦上的效应研究(摘要)[A];中国地壤学会第十次全国会员代表大会暨第五届海峡两岸土壤肥料学术交流研讨会文集（面向农业与环境的土壤科学专题篇）[C];2004年

4 杨晓华;杨永红;;秋季气候变暖对冬小麦奇异生长的影响[A];中国气象学会2007年年会气候变化分会场论文集[C];2007年

5 方文松;朱自玺;刘荣花;王友贺;马志红;;河南省冬小麦干旱动态评估指标初探[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

6 张艳红;吕厚荃;;2005/2006年度北方冬小麦增产的农业气象条件分析[A];中国农学会农业气象分会2006年学术年会论文集[C];2006年

7 郝立生;闵锦忠;;气候变暖对河北省冬小麦产量的影响[A];第26届中国气象学会年会农业气象防灾减灾与粮食安全分会场论文集[C];2009年

8 李月英;柳斌辉;牛英洁;王霞;张歆婕;栗雨勤;;气候条件对河北低平原冬小麦产量的影响[A];第26届中国气象学会年会农业气象防灾减灾与粮食安全分会场论文集[C];2009年

9 徐腊梅;;石河子地区春季低温对冬小麦生长影响分析[A];第26届中国气象学会年会农业气象防灾减灾与粮食安全分会场论文集[C];2009年

10 唐为安;唐为安;田红;陈晓艺;温华洋;丁霞;徐光清;;气候变暖背景下安徽省冬小麦产量对气候要素变化的响应[A];第27届中国气象学会年会现代农业气象防灾减灾与粮食安全分会场论文集[C];2010年

中国重要报纸全文数据库 前10条

1 本报记者 王锦;冬小麦受旱面积开始减少[N];中国证券报;2011年

2 记者 朱周良;联合国警示小麦旱情 全球粮食价格高烧难退[N];上海证券报;2011年

3 记者 乔林生;新麦生长现“南北差异” 丰歉将定粮价[N];期货日报;2011年

4 国家粮油信息中心 王晓辉;今年我国冬小麦产量同比下降[N];粮油市场报;2003年

5 通讯员 韩文彦;礼县冬小麦单产创新高[N];甘肃经济日报;2010年

6 本报特约观察员 刘正敏;冬小麦丰收在即 产量预计同比持平[N];粮油市场报;2011年

7 记者 张丽辉;冬小麦抗旱管理要讲科学[N];河北日报;2009年

8 曾晓伟 陈晓艺;安徽冬小麦产量呈增产趋势[N];中国气象报;2004年

9 记者 秦京午　张意轩;中国夏粮再获好收成[N];人民日报海外版;2010年

10 记者 高琳;国家气象中心：精细服务为冬小麦产量加分[N];中国气象报;2012年

中国硕士学位论文全文数据库 前10条

1 徐凡;华北地区冬小麦旱灾灾损评估研究[D];中国农业科学院;2009年

2 李永宾;冬小麦水氮高效利用专家决策系统的研究[D];中国农业大学;2005年

3 殷芙蓉;浮尘对冬小麦生理及产量和品质的影响[D];湖南农业大学;2006年

4 刘庚山;冬小麦底墒耗失特征及高效利用研究[D];中国农业大学;2004年

5 郑昌玲;近地层臭氧和二氧化碳浓度变化对冬小麦影响的数值模拟初步研究[D];中国气象科学研究院;2004年

6 卜萍萍;秸秆覆盖对关中地区冬小麦生态效应综合研究[D];长安大学;2011年

7 李莎;不同水氮处理对冬小麦生长、产量及品质影响的研究[D];西北农林科技大学;2012年

8 欧阳秋明;济南市冬小麦干旱灾害风险分析[D];兰州大学;2012年

9 宗燕;冬小麦干旱灾害风险评估[D];南京信息工程大学;2013年

10 林文;气候变化对陕西冬小麦影响研究[D];西北农林科技大学;2013年

  本文关键词：基子AqoaCrop模型与多源遥感数据的北方冬小麦水分利用效率估算，，由笔耕文化传播整理发布。

本文编号：356475