江蘇省冬小麥模型模擬優(yōu)化研究及應用.pdf

1、實時、準確地掌握農作物的長勢情況以及對產量的精確預測有利于保障地區(qū)乃至國家的糧食安全，并對農業(yè)的管理和可持續(xù)發(fā)展有著至關重要的意義。衛(wèi)星遙感數(shù)據(jù)具有客觀、覆蓋面積大、探測及時性等特點，可以為作物生長模型在農作物的長勢監(jiān)測和產量估算方面提供新的解決思路，因此將二者結合能夠有效的發(fā)揮優(yōu)勢，提高作物模型監(jiān)測長勢和預測產量的精度。
　　本文以江蘇省冬小麥為研究對象，主要以遙感數(shù)據(jù)提取的物候期與模型模擬的物候期為連接點，采用SCE-UA(S

2、huffled Complex Evolution-University of Arizona)算法對WOFOST(World Food Study)作物模型中的有關參數(shù)進行優(yōu)化研究分析，并將優(yōu)化后模擬結果與徐州、淮安、昆山三個氣象站點有關冬小麥的實測數(shù)據(jù)進行對比，提高作物模型對冬小麥產量估算的精度以及對其生長發(fā)育狀態(tài)進行模擬監(jiān)測的準確性。主要結果如下:
　　(1)遙感數(shù)據(jù)預處理。研究采用的遙感數(shù)據(jù)為MODIS的地表反射率數(shù)據(jù)和葉

3、面積指數(shù)數(shù)據(jù)，由于星載傳感器容易受到云、氣溶膠、土壤背景等多種不可預測因素的影響，使得MODIS數(shù)據(jù)值會出現(xiàn)異常值，因此Savitzky-Golay濾波方法被用來處理本文中所使用的兩種數(shù)據(jù)值的時間序列曲線，達到平滑、去除異常值的目的，并結合研究區(qū)域葉面積指數(shù)的田間實測值與Logistic方程對MODIS-LAI數(shù)據(jù)進行調整與修正，得到生育期內連續(xù)的且更符合冬小麥生長發(fā)育實際情況的葉面積指數(shù)時序曲線，為優(yōu)化模型之后對冬小麥長勢從葉面積指數(shù)

4、角度進行評估做好準備。
　　(2)基于MODIS NDVI時間序列數(shù)據(jù)的冬小麥關鍵物候期獲取。運用動態(tài)閾值法對已經過預處理的遙感數(shù)據(jù)實現(xiàn)冬小麥三個關鍵物候期（返青、抽穗和成熟期）的提取，得到江蘇省冬小麥的物候期空間分布圖，并使用徐州、淮安、興化、昆山四個站點的冬小麥生育期實測數(shù)據(jù)對結果進行驗證。結果表明，驗證站點的返青期、抽穗期和成熟期的平均均方根誤差都在5、6天左右;并且從空間分布圖中可以看出，緯度越高，物候期也會隨之推后，與實

5、際規(guī)律相符。同時也為后文遙感及作物模型兩方面信息的結合打好基礎。
　　(3)WOFOST作物模型的本地化。利用江蘇省徐州、淮安、昆山三個代表站點2001-2010年的氣象數(shù)據(jù)，結合對模型中各參數(shù)的敏感性分析結果，參考相關文獻資料，對WOFOST作物模型中主要的作物參數(shù)、土壤參數(shù)等進行調整，建立了以江蘇省北部、中部、南部各一個代表站點的WOFOST作物模型模擬冬小麥生長發(fā)育情況的參數(shù)體系，并對模擬結果進行驗證，結果表明本地化后的模型

6、能夠基本滿足模擬江蘇省冬小麥生長發(fā)育進程的需求。
　　(4)在WOFOST作物模型本地化的基礎上，基于SCE-UA算法對作物模型進行優(yōu)化。對WOFOST作物模型的關鍵性作物參數(shù)進行進一步的敏感性分析，最終將冬小麥的播種日期(Sowing Date)和低溫閾值(TMNFTB)這兩個參數(shù)作為調整目標。對優(yōu)化結果運用徐州、淮安和昆山2001-2010年的生育期觀測數(shù)據(jù)、產量統(tǒng)計數(shù)據(jù)以及生育期內連續(xù)的經過修正的MODIS-LAI數(shù)據(jù)對比驗