基于遙感數(shù)據(jù)修正WOFOST模型的江蘇省冬小麥生長模擬研究.pdf

1、準確地作物產(chǎn)量預測信息對于一個國家或地區(qū)的糧食安全預警、糧食流通貿易、管理部門決策具有至關重要的作用。傳統(tǒng)常規(guī)區(qū)域農情信息統(tǒng)計調查與監(jiān)測估測手段存在時效性、經(jīng)濟成本和準確性等方面的不足，不能表明作物生長發(fā)育的內在機理，并且難以描述氣候、土壤、環(huán)境對作物生長發(fā)育的狀況。利用遙感數(shù)據(jù)對作物生長模型進行同化，通過遙感信息獲取作物時間上連續(xù)的變化狀況，對作物生長模型進行敏感性參數(shù)的調整與分析，提高作物模型預測產(chǎn)量及其他方面的精度。
　　本

2、文以江蘇省的昆山市、淮安市、徐州市2001-2010年的冬小麥為研究對象，以葉面積指數(shù)(LAI)為結合點，利用模擬退火算法對WOFOST(World FoodStudy)模型模擬的葉面積指數(shù)(LAI)和遙感葉面積指數(shù)(MODIS-LAI)進行同化，開展同化遙感信息和作物模型進行研究區(qū)域的冬小麥模擬分析。具體工作如下:
　　(1)由于遙感數(shù)據(jù)常受到大氣、云污染等影響，會導致MODIS數(shù)據(jù)存在數(shù)值過低及異常值，本研究運用Savitzk

3、y-Golay(S-G)濾波方法處理遙感數(shù)據(jù)，平滑時間序列曲線，并通過來源于中國氣象數(shù)據(jù)共享網(wǎng)的研究區(qū)域的實測葉面積指數(shù)數(shù)據(jù)資料(LAI)修正MODIS-LAI。在運用S-G濾波平滑MODIS-LAI時間序列曲線過后，再通過Logistic曲線進一步修正MODIS-LAI數(shù)據(jù)，使得修正過的MODIS-LAI時間序列曲線更加符合冬小麥的實際生長發(fā)育狀況。
　　(2)為實現(xiàn)WOFOST作物模型模擬的實際應用，針對遙感影像中實際存在的混

4、合像元問題，本文做了如下探究:采用2013年1月1日-2014年12月19日的46景MODIS-NDVI時間序列數(shù)據(jù)、MOD09A1反射率影像及Landsat數(shù)據(jù)，開展基于決策樹分類方法和混合像元分解方法，提取了江蘇省2013年冬小麥種植面積的研究，給出其空間分布圖，精度評價結果表明，效果顯著。
　　(3)利用有關數(shù)據(jù)資料，包括氣象數(shù)據(jù)、土壤參數(shù)、作物參數(shù)等，采用研究區(qū)域氣象站點2001-2011年的氣象數(shù)據(jù)，通過對作物生長發(fā)育參

5、數(shù)的不斷調整，并借鑒前人的研究，調整冬小麥的生長發(fā)育參數(shù)，建立了以昆山、淮安、徐州為代表站點的冬小麥生長模型的有關遺傳參數(shù)，使得WOFOST模型基本能符合江蘇省冬小麥的生長發(fā)育模擬的需要。
　　(4)通過WOFOST模型作物參數(shù)的敏感性分析，確定了影響冬小麥生長發(fā)育的關鍵性作物參數(shù)，最終確定作物播種日期(Sowing Date)、比葉面積(SLATB)、最大CO2同化速率(AMAXTB)作為作物模型WOFOST的同化參數(shù)，為運用模

6、擬退火算法同化模型作物參數(shù)做準備。并運用昆山、淮安、徐州3個站點2001-2010年冬小麥的產(chǎn)量統(tǒng)計數(shù)據(jù)與徐州站點2001-2010的冬小麥生育期資料對模型本地化的適應性進行驗證。
　　(5)在作物模型本地化的基礎上，運用模擬退火算法并基于MODIS-LAI同化作物模型WOFOST，通過對敏感性參數(shù)作物播種日期(Sowing Date)、比葉面積(SLATB)、最大CO2同化速率(AMAXTB)進行調整與修正，并進行兩組不同LAI