论文部分内容阅读
及时、准确地获取夏玉米长势信息并开展产量预报,对农业生产决策、保障粮食安全和国家宏观调控具有重要意义。遥感技术可以快速准确的获取大面积作物的表征信息,但对作物生长发育的内在机理描述较为困难。作物生长模型基于作物生理过程机制及其与环境因素的相互作用,从系统科学的角度实现作物长势以及产量变化的精确模拟。遥感信息与作物生长模型耦合,是当前作物长势监测与产量预报的重要手段之一。本文以夏玉米为研究对象,选择SAFY（Simple Algorithm For Yield estimate）作物生长模型耦合遥感信息监测夏玉米长势及产量的预报,在模型参数本地化、参数遥感信息反演等一系列问题上进行探索研究。主要得到以下几方面结论:（1）采用试错法对SAFY模型的非敏感参数进行调试。通过计算模拟生物量与实测生物量的最小误差,确定模型非敏感参数的数值,其中非敏感参数比叶面积（Specific leaf area,Sla）、衰老速率（Rate of senescence,Rs）、分配系数1（Partition-to-leaf function,Pla）和分配系数2（Partition-to-leaf function,Plb）分别为0.032、9800、0.5和0.68。在田间区域尺度,以实测叶面积指数（Leaf area index,LAI）为耦合变量,采用SPUCI（Shuffled complexes with principal components analysis）优化算法对SAFY模型中强烈依赖农业环境条件的3个敏感参数出苗日期（Day of plant emergence,D0）、衰老温度总和（Sum of temperature for senescence,STT）和有效光能利用率（Effective light-use efficiency,ELUE）进行优化。模拟LAI与实测LAI的RMSE（Root Mean Square Error）为0.66,模拟地上生物量与实测地上生物量的RMSE为1.04 t·ha-1,收获系数（Rate of grain filling,Py）为0.02时,模拟产量与实测产量的RMSE为1.62 t·ha-1,三者均具有较好的一致性。结果表明SAFY模型参数本地化能够较好的模拟夏玉米全生育期生长发育过程。（2）基于Planet影像的植被指数进行田间尺度下夏玉米LAI的反演,发现调节三角植被指数（Modified Triangular Vegetation Index,MTVI）与LAI的相关性最好。MTVI和LAI以幂函数拟合效果最佳,回归方程为:LAI=16.294×MTVI3.157,R2和RMSE分别为0.46和0.66。（3）利用SAFY模型探索已知播期和未知播期参数下田间尺度夏玉米产量的预测。结果表明,播期参数对SAFY模型产量监测的精度影响较大。未知播期参数下,模型产量预测的R2为0.51,RMSE为0.81 t·ha-1;已知播期参数下,模型产量预测的R2为0.64,RMSE为0.46 t·ha-1。（4）利用光谱角填图分类法结合Sentinel-2影像的归一化差值植被指数（Normalized Difference Vegetation Index）NDVI时间序列影像,提取了研究区范围内夏玉米种植区域。利用S-G滤波法对夏玉米种植区域MODIS影像的NDVI时间序列曲线进行平滑去噪,消除伪峰值并最大限度保留曲线特征。根据NDVI曲线快速上升的起始点确定夏玉米的三叶期。利用MATLAB编程实现对夏玉米三叶期所处遥感影像时期的提取,结合夏玉米的生长特性,获得复杂区域尺度上夏玉米播期的时空分布图。构建SAFY模型产量查找表,基于MODIS反演关键生育期LAI结合多源遥感获取的播期信息,利用SAFY模型完成对曹县区域尺度夏玉米产量的预测分布图。