基于遙感信息與作物模型同化的冬小麥產(chǎn)量預(yù)測研究.pdf

1、遙感技術(shù)具有空間上連續(xù)和時間上動態(tài)的特點，應(yīng)用于大范圍的農(nóng)情監(jiān)測有較大的優(yōu)勢，但是難以反映作物生長發(fā)育的內(nèi)在的生理生化過程，只能從作物的外在表現(xiàn)來反映作物的生長狀態(tài)。作物生長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，限制了作物生長模型在區(qū)域尺度上作物長勢監(jiān)測產(chǎn)量估測方面的應(yīng)用。能夠?qū)⑦b感信息與作物模型有效耦合，相互彌補不足的數(shù)據(jù)同化技術(shù)成為區(qū)域產(chǎn)量預(yù)測的有效途徑。<

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象，選擇WOFOST作物生長模型，MODIS葉面積指數(shù)(MODIS-LAI)為遙感觀測，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行冬小麥產(chǎn)量估測的研究。針對由于像元異質(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、采用田間實地測量的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模型的連接點，采用EnKF算法同化MODIS-LAI與WOFOST(World Food Study)模擬的LAI以獲得時間上連續(xù)的最優(yōu)估計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)計的各縣市冬小麥單產(chǎn)進行驗證。文中分析了不同集合大小，不同