基于作物生长模型和遥感数据同化的草地生物量估算方法及应用

发布时间：2020-01-18 14:47

【摘要】：草地生物量是反映草原生态系统健康状况的关键指标。研究草地生物量动态实时估算方法,获取其时空连续的分布状况,对于草原生态系统监测具有重要现实意义。目前基于遥感手段只能获取离散时相的生物量分布,无法揭示其内在生长发育的连续演进规律,而作物模型正好具备此优势。本文以青海省乌图美仁大草原为研究对象,以多源遥感数据和野外观测数据为基础,基于集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)算法,开展同化遥感定量反演参数叶面积指数(Leaf area index,LAI)到作物模型(WOrld FOod STudies,WOFOST)进行草地生物量估算的研究。最后基于野外验证数据评价同化前后的生物量估算精度。论文主要研究成果如下:(1)为克服由输入参数引起的模型模拟的不确定性,首先利用Sobol’敏感性分析方法筛选对WOFOST模型输出敏感的作物参数。然后依据地面实测数据和优化算法对敏感参数比叶面积、初始生物量干重、最大CO2同化率等进行调整。优化过程分别基于实测LAI值、实测生物量、实测LAI值和生物量构建三种不同的代价函数,对比分析校正结果显示,集成多源观测数据校正的模型能够更好的模拟潜在条件下的植被长势。这为模型后续在区域上的生物量模拟奠定了基础。(2)基于PROSAIL模型和查找表算法,以Landsat和MOD09A1为数据源,实现研究区多个时相的LAI反演。为解决该研究区植被特殊分布和病态反演问题,采取研究区分类,模型参数敏感性分析,构建不同查找表等反演策略,最后基于实测数据对反演结果进行评价。其中,Landsat数据的反演值与实测值的决定系数R2(the deterministic coefficient)为0.89,均方根误差(Root Mean Square Error,RMSE)为0.56;MOD09A1数据的反演值与实测值的R2为0.78,RMSE为0.61,反演精度均较高,可以应用于后续同化过程。(3)以LAI为连接点,基于EnKF算法将反演的多时相LAI值同化到校正后的作物模型中,更新模型状态变量,模拟研究区全年生物量在时空尺度的分布,最后基于实测数据验证同化后的生物量估算精度。结果显示,在验证点上,同化2011年和2014年Landsat-LAI后,RMSE分别降低了511.44 kg/ha和1009.88 kg/ha;同化2011年MOD09A-LAI后,RMSE降低了198.7 kg/ha。为评价同化后生物量在空间分布上的表现,本文进一步基于植被覆盖度对不同覆盖区的生物量进行统计,发现各植被覆盖区在同化后,生物量的估算结果都更接近于实测值,其空间分布状况也更符合实际情况。从而证明了本文基于数据同化的草地生物量估算方法的有效性。
【图文】：

第一章 绪论方面两者各具优劣性（见图 1-1）。研究如何结合两者优势，实现时空连续的植被参数分布及作物预产具有科学价值。目前国内外都基于数据同化技术在此方面做了诸多尝试。国外基于同化法耦合作物生长模型与遥感数据主要从辐射传输模型、重新初始化/参数化变量的选择、同化算法、优化对象选取以及作物生长模型的区域化方法等方面开展研究，目前已经取得了一定的研究成果[24]。根据同化思想的不同，可以分为两种类型，（1）顺序同化方法：将遥感观测信息或反演参数融入模型预估值进行滤波处理，然后将处理后的分析值代入状态模型进行模型演进。（2）连续数据同化方法：利用遥感反演参数或观测数据对作物生长模型的关键过程进行校正或对模型进行重新初始化，从而使模型模拟值与遥感观测值或反演值差异最小。此过程同化变量既可以选择模型状态变量（叶面积指数等）[59,60]，也可以选择模型非状态变量（植被冠层反射率或蒸散发 ET 等）[61]。

顺序同化法示意图
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S812

【参考文献】

相关期刊论文 前10条

1 马建威;黄诗峰;李纪人;李小涛;宋小宁;冷佩;孙亚勇;;改进Sobol算法支持下的PROSAIL模型参数全局敏感性分析[J];测绘通报;2016年03期

2 候静;杜灵通;马菁;张学俭;;基于RS与像元二分模型的近20a宁夏植被覆盖研究[J];水土保持通报;2015年05期

3 王静;李新;;基于作物生长模型和多源数据的融合技术研究进展[J];遥感技术与应用;2015年02期

4 王新云;郭艺歌;何杰;;基于多源遥感数据的草地生物量估算方法[J];农业工程学报;2014年11期

5 行敏锋;何彬彬;;干旱区草原地上植被生物量估算——以乌图美仁大草原芦苇植被为例[J];地球信息科学学报;2014年02期

6 刘峰;李存军;董莹莹;王芊;王纪华;黄文江;;基于遥感数据与作物生长模型同化的作物长势监测[J];农业工程学报;2011年10期

7 陈晓鹏;尚占环;;中国草地生态系统碳循环研究进展[J];中国草地学报;2011年04期

8 冯鑫媛;龙清怡;王海霞;;西北地区太阳总辐射的气候学计算及分布特征[J];安徽农业科学;2011年02期

9 陈劲松;黄健熙;林珲;裴志远;;基于遥感信息和作物生长模型同化的水稻估产方法研究[J];中国科学:信息科学;2010年S1期

10 胡庆芳;杨大文;王银堂;杨汉波;;Angstrom公式参数对ET_0的影响及FAO建议值适用性评价[J];水科学进展;2010年05期

相关博士学位论文 前2条

1 王东伟;遥感数据与作物生长模型同化方法及其应用研究[D];北京师范大学;2008年

2 郭建茂;基于遥感与作物生长模型的冬小麦生长模拟研究[D];南京信息工程大学;2007年

相关硕士学位论文 前7条

1 张明政;基于多层PROSAIL模型的玉米冠层叶面积指数垂直分布反演[D];山东农业大学;2016年

2 刘天凤;基于PROSAIL模型的干旱半干旱地区LAI遥感反演建模[D];兰州大学;2015年

3 谢巧云;叶面积指数反演方法的普适性研究[D];安徽大学;2014年

4 张文智;国产气象卫星数据与作物生长模型同化的冬小麦估产方法研究[D];电子科技大学;2014年

5 全兴文;高原湿地植被参数遥感定量反演及同化技术研究[D];电子科技大学;2013年

6 解平静;高原湿地植被地上生物量遥感估算方法及时空变化研究[D];电子科技大学;2012年

7 刘少博;基于生态水文模型的参数估计算法和灵敏度分析算法研究[D];兰州大学;2012年

，

本文编号：2570879