基于遥感与模型耦合的冬小麦生长预测

被引:11
作者
黄彦 [1 ]
朱艳 [1 ]
王航 [1 ]
姚鑫锋 [1 ]
曹卫星 [1 ]
David BHannaway [2 ]
田永超 [1 ]
机构
[1] 南京农业大学/江苏省信息农业高技术研究重点实验室
[2] 俄勒冈州立大学农业科学学院作物与土壤科学系
关键词
遥感; WheatGrow模型; 模型参数初始化; 生长预测;
D O I
暂无
中图分类号
S512.11 []; S127 [遥感技术在农业上的应用];
学科分类号
0901 ; 082804 ;
摘要
遥感的空间性、实时性与作物生长模型的过程性、机理性优势互补,将两者有效耦合已成为提高作物生长监测预测能力的重要手段之一。提出了一种基于地空遥感信息与生长模型耦合的冬小麦预测方法,该方法基于初始化/参数化策略,以不同生育时期的小麦叶面积指数(LAI)和叶片氮积累量(LNA)为信息融合点将地面光谱数据(ASD)及HJ-1 A/B CCD、Landsat-5 TM数据与冬小麦生长模型(WheatGrow)耦合,反演得到区域尺度生长模型运行时难以准确获取的部分管理措施参数(播种期、播种量和施氮量),在此基础上实现了对冬小麦生长的有效预测。实例分析结果表明,LNA较LAI对模型更敏感,以之作为耦合点的反演效果较好。另外,抽穗期是遥感信息与生长模型耦合的最佳时机,对播种期、播种量和施氮量反演的RMSE值分别达到5.32 d、14.81 kg/hm2、14.11 kg/hm2。生长模型与遥感耦合后的模拟结果很好地描述了冬小麦长势和生产力指标的时空分布状况,长势指标的模拟相对误差小于0.25,籽粒产量模拟的相对误差小于0.1。因此研究结果可为区域尺度冬小麦生长的监测预测提供重要理论依据。
引用
收藏
页码:1073 / 1084
页数:12
相关论文
共 30 条
[11]  
基于生长模型与GIS的小麦生产力预测技术研究[D]. 石晓燕.南京农业大学 2009
[12]  
利用地—空高光谱遥感监测小麦氮素状况与生长特征[D]. 鞠昌华.南京农业大学 2008
[13]  
遥感数据与作物生长模型同化方法及其应用研究[D]. 王东伟.北京师范大学 2008
[14]  
小麦光合生产与物质分配的模拟模型[D]. 刘铁梅.南京农业大学 2000
[15]  
作物系统模拟及智能管理[M]. 高等教育出版社 , 曹卫星,罗卫红[编著], 2003
[16]  
Crop model data assimilation with the Ensemble Kalman filter for improving regional crop yield forecasts[J] . A.J.W. de Wit,C.A. van Diepen.Agricultural and Forest Meteorology . 2007 (1)
[17]   Predicting the protein content of grain in winter wheat with meteorological and genotypic factors [J].
Pan, Jie ;
Zhu, Yan ;
Cao, Weixing ;
Dai, Tingbo ;
Jiang, Dong .
PLANT PRODUCTION SCIENCE, 2006, 9 (03) :323-333
[18]   Combined use of optical and microwave remote sensing data for crop growth monitoring [J].
Clevers, JGPW ;
vanLeeuwen, HJC .
REMOTE SENSING OF ENVIRONMENT, 1996, 56 (01) :42-51
[19]   SHUFFLED COMPLEX EVOLUTION APPROACH FOR EFFECTIVE AND EFFICIENT GLOBAL MINIMIZATION [J].
DUAN, QY ;
GUPTA, VK ;
SOROOSHIAN, S .
JOURNAL OF OPTIMIZATION THEORY AND APPLICATIONS, 1993, 76 (03) :501-521
[20]  
Monitoring Nitrogen Status and Growth Characters with Ground-air Hyperspectral Remote Sensing in Wheat. Ju C H. NanjingAgricultural University . 2008