基于遥感和作物生长模型的作物产量差估测

被引:34
作者
王纯枝
宇振荣
辛景峰
Driessen P.M
刘云慧
机构
[1] 中国农业大学资源与环境学院
[2] 中国水利水电科学研究院遥感中心
[3] 荷兰瓦格宁根大学
关键词
遥感; 温度; 作物生长模型; 产量差;
D O I
暂无
中图分类号
S127 [遥感技术在农业上的应用];
学科分类号
082804 ;
摘要
传统的作物生长模型很难模拟大田的实际产量,因为大量的数据、复杂的数学运算以及误差传递限制了作物生长模拟模型的运用。目前为止实际产量仅能通过观测和实地调查获得。该文将NOAA-14AVHRR遥感获取的冠层温度信息引入作物生长模型,利用冠气温差计算作物水分胁迫系数,可以近似地估计区域作物实际生长速率和产量,进而建立了遥感-作物模拟复合模型PS-X,提出了估算区域作物实际产量的方法。PS-X模型可在不同层次模拟作物的生长和产量,在PS-1、PS-2、PS-X水平计算的分别是作物的光温生产潜力、水分限制下的生产力和实际产量。利用该模型,论文分别模拟了邯郸地区1998年夏玉米的光温生产潜力、水分限制下的生产力和实际产量,并通过比较不同模拟水平下产量和农户调查产量进行区域产量差分析。结果表明:PS-1和PS-2水平之间的产量差主要由水分和土壤质地差异造成;PS-2与PS-X水平间的平均产量差异较大,占总产量差(PS-1与PS-X水平之差)的81.4%,主要由田间管理差异造成;对于平原地区,夏玉米产量估测精度可达90%以上;砂质土壤区估算冠层温度和水分胁迫系数比壤质、粘质土壤区要高,因此砂质土壤区模拟作物产量较低,这与PS-2计算结果、农户调查数据一致。研究证实,区域上应用遥感瞬时温度信息建立遥感-作物模拟复合模型进行估产是可行的。
引用
收藏
页码:84 / 89
页数:6
相关论文
共 14 条
  • [1] 基于遥感反演作物冠层温度的作物生长模拟和预报
    宇振荣
    Driessen P.M.
    [J]. 中国农业大学学报, 2003, (S1) : 71 - 75
  • [2] 定量遥感参数与作物肥水模型链接初探
    王纪华
    赵春江
    黄文江
    杨宝祝
    王北洪
    杨信廷
    [J]. 华北农学报, 2001, (04) : 52 - 58
  • [3] 作物缺水指数监测旱情方法研究
    申广荣
    田国良
    [J]. 干旱地区农业研究, 1998, (01) : 126 - 131
  • [4] 一种以能量平衡为基础的干旱指数
    唐登银
    [J]. 地理研究, 1987, (02) : 21 - 31
  • [5] 以红外辐射信息为基础的估算作物缺水状况的新模式[J]. 张仁华.中国科学(B辑 化学 生物学 农学 医学 地学). 1986(07)
  • [6] 基于NOAA卫星的冬小麦冠层表面温度估算及初步应用的研究[D]. 刘云.中国农业大学. 2003
  • [7] Crop condition and yield simulations using Landsat and MODIS
    Doraiswamy, PC
    Hatfield, JL
    Jackson, TJ
    Akhmedov, B
    Prueger, J
    Stern, A
    [J]. REMOTE SENSING OF ENVIRONMENT, 2004, 92 (04) : 548 - 559
  • [8] Soil, climate, and management impacts on regional wheat productivity in Mexico from remote sensing[J] . David B Lobell,J.Ivan Ortiz-Monasterio,C Lee Addams,Gregory P Asner.Agricultural and Forest Meteorology . 2002 (1)
  • [9] Investigation of land surface temperature algorithms using NOAA AVHRR images
    Kerényi, J
    Putsay, M
    [J]. REMOTE SENSING FOR LAND SURFACE CHARACTERISATION, 2000, 26 (07): : 1077 - 1080
  • [10] Progress in the remote sensing of land surface temperature and ground emissivity using NOAA-AVHRR data
    Qin, ZH
    Karnieli, A
    [J]. INTERNATIONAL JOURNAL OF REMOTE SENSING, 1999, 20 (12) : 2367 - 2393