基于WOFOST作物模型与叶面积指数同化的冬小麦遥感估产研究

发布时间：2017-05-03 16:18

  本文关键词：基于WOFOST作物模型与叶面积指数同化的冬小麦遥感估产研究，由笔耕文化传播整理发布。

【摘要】：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。
【关键词】：冬小麦估产 叶面积指数 WOFOST模型 同化
【学位授予单位】：河南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S512.11;S127
【目录】：

• 致谢4-5
• 摘要5-7
• Abstract7-11
• 1 引言11-23
• 1.1 研究背景11-13
• 1.2 国内外研究进展13-18
• 1.2.1 作物生长模型研究进展13-15
• 1.2.2 遥感反演叶面积指数LAI的研究进展15-18
• 1.3 作物生长模型与遥感信息结合研究进展18-20
• 1.4 研究内容、结构及技术路线20-23
• 1.4.1 研究内容20-21
• 1.4.2 论文结构21-22
• 1.4.3 技术路线22-23
• 2 数据、模型和方法23-35
• 2.1 研究区域概况23-24
• 2.2 数据24-28
• 2.2.1 气象数据24-25
• 2.2.2 农学数据25
• 2.2.3 遥感数据25-28
• 2.3 模型和方法28-33
• 2.3.1 发育过程29-30
• 2.3.2 CO_2同化过程30
• 2.3.3 呼吸作用30-31
• 2.3.4 干物质增长和分配31-32
• 2.3.5 叶面积模拟32-33
• 2.4 小结33-35
• 3 遥感反演LAI和WOFOST模型参数调整35-51
• 3.1 遥感反演LAI35-39
• 3.1.1 植被指数的选取35-37
• 3.1.2 模型建立和检验37-39
• 3.2 WOFOST模型参数敏感性分析39-47
• 3.2.1 作物参数确定41-43
• 3.2.2 Simlab2.2 软件43-44
• 3.2.3 EFAST方法44-45
• 3.2.4 敏感性分析结果45-47
• 3.3 WOFOST模型参数调整47-50
• 3.3.1 作物参数调整47-49
• 3.3.2 土壤参数调整49-50
• 3.4 小结50-51
• 4 基于遥感信息与作物生长模型同化的冬小麦产量预测51-59
• 4.1 查找表算法52-53
• 4.2 遥感反演数据与WOFOST模型同化53-54
• 4.3 结果与分析54-57
• 4.4 小结57-59
• 5 结论和展望59-61
• 5.1 结论59-60
• 5.2 展望和不足60-61
• 参考文献61-67
• 作者简历67-69
• 学位论文数据集69

【相似文献】

中国期刊全文数据库 前10条

1 J.G.布哈特;棉花不同形态品种叶片生长与叶面积指数的研究[J];湖北农业科学;1975年08期

2 莫家让;;水稻叶面积指数简易测定法[J];农业科技通讯;1975年09期

3 赵福;;叶面积和叶面积指数的计算[J];内蒙古农业科技;1975年07期

4 ;怎样用鲜重法测定小麦的叶面积指数[J];甘肃农业科技;1976年04期

5 郑春和;;怎样用鲜重法测定小麦的叶面积指数[J];植物学杂志;1976年01期

6 ;介绍一种小麦生育后期和玉米不拔取样株测定叶面积指数的方法[J];北京师范大学学报(自然科学版);1977年02期

7 沈瑞庭;李锡坤;;介}9几种叶面积的n,定方法[J];蚕桑茶叶通讯;1980年01期

8 胡耀华;伍业纲;王钊;舒宜通;;关于巴西橡胶树林叶面积指数的研究[J];热带作物学报;1981年02期

9 W·G·贝利;R·B·斯图尔特;朱胤椿;;叶面积的测定方法[J];青海农林科技;1982年03期

10 莫家让;;水稻叶面积指数测定法简介[J];广西农业科学;1978年08期

中国重要会议论文全文数据库 前10条

1 姚冬萍;;融合多源遥感数据估算地表叶面积指数[A];中国地理学会百年庆典学术论文摘要集[C];2009年

2 陈雪洋;蒙继华;吴炳方;朱建军;纽立明;杜鑫;;基于环境星高光谱数据红边参数的冬小麦叶面积指数反演[A];遥感定量反演算法研讨会摘要集[C];2010年

3 高帅;;利用ENVISAT-ASAR数据的植被叶面积指数反演研究[A];遥感定量反演算法研讨会摘要集[C];2010年

4 张娜;;半干旱天然草地叶面积指数反演模型[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

5 孙永华;宫辉力;李小娟;浦瑞良;周德民;;基于高光谱的三江平原湿地叶面积指数反演研究[A];遥感定量反演算法研讨会摘要集[C];2010年

6 曹中盛;朱艳;田永超;曹卫星;姚霞;;小麦叶面积指数估测的最佳高光谱参数研究[A];中国作物学会2013年学术年会论文摘要集[C];2013年

7 吕芸帙;杨旭;骆祖莹;;基于无线传感器网络的植被叶面积指数测量方法[A];第六届中国测试学术会议论文集[C];2010年

8 夏帆;;基于MODIS数据的长江流域生态环境质量评价[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 刘倩;;2000-2010年三江源地区MODIS叶面积指数及FPAR产品验证分析[A];遥感定量反演算法研讨会摘要集[C];2010年

10 杨鹏;李春强;;基于MODIS数据的河北省冬小麦叶面积指数模型研究[A];第31届中国气象学会年会S5 干旱灾害风险评估与防控[C];2014年

中国重要报纸全文数据库 前1条

1 李济 供稿;理科综合测试模拟（四）[N];山西科技报;2003年

中国博士学位论文全文数据库 前2条

1 郝雅s，

本文编号：343350