基于遙感信息與作物模型同化的冬小麥產(chǎn)量預(yù)測(cè)研究.pdf

1、遙感技術(shù)具有空間上連續(xù)和時(shí)間上動(dòng)態(tài)的特點(diǎn)，應(yīng)用于大范圍的農(nóng)情監(jiān)測(cè)有較大的優(yōu)勢(shì)，但是難以反映作物生長(zhǎng)發(fā)育的內(nèi)在的生理生化過程，只能從作物的外在表現(xiàn)來反映作物的生長(zhǎng)狀態(tài)。作物生長(zhǎng)模型在單品種作物小尺度情況下能成功模擬作物的內(nèi)在的生長(zhǎng)發(fā)育過程，但是由于區(qū)域尺度上作物關(guān)鍵參數(shù)的獲取問題難以解決，限制了作物生長(zhǎng)模型在區(qū)域尺度上作物長(zhǎng)勢(shì)監(jiān)測(cè)產(chǎn)量估測(cè)方面的應(yīng)用。能夠?qū)⑦b感信息與作物模型有效耦合，相互彌補(bǔ)不足的數(shù)據(jù)同化技術(shù)成為區(qū)域產(chǎn)量預(yù)測(cè)的有效途徑。<

2、br>　　 本文以河北省南部衡水地區(qū)的2007-2008年的冬小麥為研究對(duì)象，選擇WOFOST作物生長(zhǎng)模型，MODIS葉面積指數(shù)(MODIS-LAI)為遙感觀測(cè)，集合卡爾曼濾波算法(Ensemble Kaman Filter: EnKF)為同化算法開展同化遙感信息與作物模型進(jìn)行冬小麥產(chǎn)量估測(cè)的研究。針對(duì)由于像元異質(zhì)性造成MODIS產(chǎn)品(MOD15A2)數(shù)值偏低的問題，本文采取先通過Savitzky-Golay(SG)濾波剔除異常信息再

3、采用田間實(shí)地測(cè)量的LAI樣本數(shù)據(jù)修正MODIS-LAI的方法。結(jié)果表明，該方法能夠有效剔除MODIS-LAI的數(shù)據(jù)異常問題。而后本文以LAI作為遙感信息與作物生長(zhǎng)模型的連接點(diǎn)，采用EnKF算法同化MODIS-LAI與WOFOST(World Food Study)模擬的LAI以獲得時(shí)間上連續(xù)的最優(yōu)估計(jì)LAI值，并以此值輸入WOFOST模型并估算區(qū)域冬小麥產(chǎn)量，并以2008年官方統(tǒng)計(jì)的各縣市冬小麥單產(chǎn)進(jìn)行驗(yàn)證。文中分析了不同集合大小，不同