首页> 中文学位 >基于定量遥感产品和作物生长模型同化的农作物长势监测与估产方法研究
【6h】

基于定量遥感产品和作物生长模型同化的农作物长势监测与估产方法研究

代理获取

目录

文摘

英文文摘

论文说明:图目录、表目录

中国科学院遥感应用研究所学位论文原创性声明

第一章绪论

第二章DSSAT决策支持系统简介

第三章实验数据获取

第四章DSSAT小麦模型的标定及敏感性分析

第五章DSSAT小麦模型的同化

第六章结论与展望

参考文献

硕士期间论文完成情况及参加的科研项目

致谢

展开▼

摘要

卫星遥感和作物生长模型在作物长势监测和产量预测方面优势互补。遥感监测难以揭示作物生长发育和产量形成的内在机理,作物模型在区域应用时初始值的获取和参数的区域化遇到很多困难。如何通过二者的结合发挥各自的最大优势是近年来国内外的研究热点。 在前人的研究基础之上,考虑现有的资料及技术条件,为了研究作物生长模型的遥感信息同化用于区域作物长势监测及估产的方法,本文主要利用模拟数据、实地测量数据及小区域的遥感数据对所提出的同化方法的可行性进行了验证。研究工作主要涉及以下几个方面:(1)同化数据的准备,包括:地面数据和遥感数据。地面数据主要来自2001年在北京市顺义区进行的“星——机——地定量遥感综合试验”。遥感数据为MODIS数据,并通过RSIS遥感反演系统完成了MODIS数据的预处理以及LAI的反演。 (2)作物生长模型的选择及标定。选择DSSATv4.0框架的CERES_Wheat小麦模型作为研究对象。利用顺义区赵全营乡的4块样地——NW2、NW3、NW4、NW5地块的观测数据对CERESWheat模型进行标定,使其能够较准确地模拟小麦411品种的生长发育状况。 (3)研究基于SCE_UA算法的CERESWheat模型的同化方法,并对方法的可行性进行验证。 同化过程以叶面积指数(Leafareaindex,简称LAI)作为结合点,利用SCE_UA算法不断调整CERES_Wheat模型中小麦播种日期、种植密度、追肥日期及追肥量四个模型初始变量的取值,直至模型模拟LAI与外部“观测”LAI的差值满足SCEUA算法的收敛条件。本文从小麦长势监测与估产的角度,在NW2、NW3、NW4、NW5地块,对基于SCEUA优化算法的CERES_Wheat模型的同化方法进行了验证,得到以下结果和结论:在外部“观测”LAI不存在误差时,经过同化后,CERESWheat模型能很好地模拟小麦的开花日期、成熟日期、LAI及产量。 模型同化后主要生育期及产量的模拟误差对外部“观测”LAI的误差具有较好的鲁棒性。 只利用冬小麦生育期内两天的MODISLAI反演数据完成CERES_Wheat模型的小区域遥感同化,开花期模拟最大误差两天,成熟期模拟最大误差1.3天,产量模拟最大误差8.55﹪,最小误差3.50﹪。 以上结果说明,本文提出的基于SCE_UA算法的CERESWheat模型的同化方法是可行的。 本文没在区域上对CERESWheat模型的同化效果进行验证。要实现基于作物生长模型同化的区域农作物长势遥感监测与估产,还有很多工作需要进一步深化,是近期的重要研究方向。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号