论文部分内容阅读
农作物估产对于国家粮食安全、经济运行具有重要指导意义。如何提高农作物估产精度是近年全球研究的热点。本文利用风云3号MERSI数据,采用数据同化技术将卫星遥感技术具有大尺度监测农作物长势的优点与WOFOST作物生长模型具有模拟作物生长季内在机理变化和产量形成的优点相结合,对河北太行山前平原冬小麦种植区进行产量估算研究。主要研究工作如下:(1)利用2013年冬小麦生长季多幅250米分辨率MERSI数据,采用分层分类法,提取了太行山前平原冬小麦种植区;接着,用重采样后的全球陆地覆盖数据进行精度验证,得出总体分类精度高到86.41%,Kappa系数为0.8109;然后,掩膜生成冬小麦种植区MERSI-NDVI数据。最后,利用2013年生长季在中国气象局河北固城农业示范试验基地观测获取的冬小麦光谱数据、实测叶面积指数、MERSI-NDVI数据,构建了冬小麦NDVI-LAI指数模型,反演生成了MERSI-LAI数据。(2)利用EFAST全局敏感性分析法结合中国气象局河北固城农业示范试验基地冬小麦生长季生物物理数据、田间管理数据,按照对冬小麦生长发育和产量形成的贡献度,对WOFOST作物模型的作物参数、土壤与管理参数进行敏感性分析和模型标定,并选取了出苗日期IDEM、初始干物质重TDWI、初始土壤有效含水量WAV,作为同化参数;接着,按照模型输入要求,利用克里金插值法对气象数据、作物参数、土壤与管理参数进行了模型参数区域化处理。(3)利用S-G滤波算法对MERSI-LAI、MODIS-LAI时间序列曲线进行平滑处理,并以LAI为变量构建了与WOFOST作物模型模拟LAI的最小代价函数。通过SCE优化算法逐像元调整同化参数即出苗日期、初始干物质重、初始土壤有效含水量,使LAI目标函数满足初始设定值,估算出冬小麦产量信息,并结合同化前估产结果和产量统计数据进行精度验证。结果表明,与统计数据相比,同化MODIS-LAI数据比同化前,估产精度更低,RMSE增加了513.86kg/ha;同化MERSI-LAI数据比同化MODIS-LAI数据和同化前,估产精度有大幅度的提高,RMES分别降低了750.20kg/ha和236.34kg/ha,更接近统计值。