论文部分内容阅读
利用遥感技术进行大范围的农作物长势监测与产量估算已有三十多年的历史,然而存在一个不足之处是卫星传感器受到运行周期等因素的影响,在作物整个生长季中只能获得有限的、离散的观测数据,无法揭示作物的生长发育和产量形成这一连续演进过程的内在机理,以及气候、土壤、环境对于作物生长的影响,而这又恰恰是作物模型的优势所在。因此,利用同化方法结合二者进行估产是近年来国内外的研究热点。本文首先对SWAP作物模型进行标定;然后基于MODIS-LAI时间序列数据产品提取冬小麦物候信息;之后进行模型参数区域化研究,建立基于代价函数的同化方法,将冬小麦物候信息同化进入SWAP作物模型,进行冬小麦产量估算;最后利用国家农业部公布的县平均统计产量与作物模型估算结果对比,来验证作物模型的产量估算精度。主要方法和结论如下:(1)利用河北固城实验数据,以及河北南部地区农业气象站点的田间试验资料对SWAP模型有关发育和生长的冬小麦品种遗传特性参数进行了初步确定;其次将所有作物生长参数划分为三大类,根据作物参数的机理或敏感度对积温,比叶面积、叶片年龄等参数进行调整。经过调整的SWAP模型能够较好地模拟潜在生产水平下河北南部地区冬小麦生长发育及产量形成过程,并为作物模型在区域尺度上的应用打下很好的基础;(2)本文基于MODIS/LAI时间序列数据进行冬小麦物候提取。首先利用SG上包络线滤波方法进行平滑曲线的构建;其次采用Logistic曲线拟合的技术,提取冬小麦物候信息。结果显示随着纬度的降低,返青和抽穗的物候期发生时间逐渐提前,这一特征与实地调查结果吻合。另外统计结果表明,08年的物候期特别是返青期平均要比07年晚十天,原因是08年初的雪灾所造成的天气寒冷;(3)建立基于代价函数的同化方法,将冬小麦物候信息同化进入SWAP作物模型,进行冬小麦产量估算,利用国家农业部统计产量验证产量估算的准确性。结果显示:均方根误差RMSE在2007减小了5.4%,在2008年减小了15.4%。同化后使作物模型产量估算的精度有一定提高,实验结果同时表明随着纬度的降低,本文建立的同化估产方法产量估算精度更高。