基于PyWOFOST作物模型的东北玉米估产及精度评估

被引：45

作者：

陈思宁 ^{[1
,2
,3
]}

赵艳霞 ^{[2
]}

申双和 ^{[3
]}

黎贞发 ^{[1
]}

机构：

[1] 天津市气候中心

[2] 中国气象科学研究院

[3] 南京信息工程大学应用气象学院

来源：

中国农业科学 | 2013年 / 46卷 / 14期

关键词：

集合卡尔曼滤波; PyWOFOST作物模型; 遥感; 估产; 精度评估;

D O I：

暂无

中图分类号：

S513 [玉米（玉蜀黍）];

学科分类号：

090104 [作物信息科学与技术];

摘要：

【目的】构建合理的作物估产方案,提高作物估产精度。【方法】本文以基于集合卡尔曼滤波(EnsembleKalman Filter,EnKF)构建的遥感信息-作物模型结合模型(PyWOFOST)为基础,建立了以LAI为结合点,适用于中国东北地区玉米的同化模拟模型,并使用MODIS LAI数据作为外部同化数据进行同化模拟,重点分析了遥感观测(MODIS LAI)和模型参数(出苗-开花期所需积温,TSUM1)的不确定性(即随机误差)对同化模拟结果的影响。最后,利用PyWOFOST模型实现了区域尺度上的玉米估产。【结果】同化外部观测数据后的玉米模拟产量较未同化外部数据的模拟产量有明显改善,20个未受灾害影响的农气站玉米产量同化前的模拟误差及在TSUM1的不确定性为0、10、20、30℃时的同化后模拟误差分别为14.04%、12.71%、11.91%、10.44%及10.48%;同化后的模拟LAI普遍较同化前的模拟LAI更接近实测LAI,更符合玉米LAI的变化趋势;同化前模拟发育期与实测发育期平均绝对误差为3.4 d,而同化后在TSUM1的不确定性为0、10、20、30℃时模拟发育期与实测发育期的平均误差分别为3.5、4.3、5.0、5.5 d。区域尺度上玉米估产结果表明,58.82%的区域玉米估产误差在15%以内,同化产量和统计产量的确定系数为0.806。【结论】基于集合卡尔曼滤波同化遥感信息进行作物估产是可行的。

引用

页码：2880 / 2893

页数：14

共 18 条

[1]

基于集合卡尔曼滤波的遥感信息和作物模型结合研究.[D].陈思宁.南京信息工程大学.2012, 09

[2]

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

[3]

基于遥感与作物生长模型的冬小麦生长模拟研究 [D].

郭建茂 .

南京信息工程大学,

2007

[4]

Theoretical uncertainty analysis of global MODIS; CYCLOPES; and GLOBCARBON LAI products using a triple collocation method.[J].Hongliang Fang;Shanshan Wei;Chongya Jiang;Klaus Scipal.Remote Sensing of Environment.2012,

[5]

Potential performances of remotely sensed LAI assimilation in WOFOST model based on an OSS Experiment [J].

Curnel, Yannick ;

de Wit, Allard J. W. ;

Duveiller, Gregory ;

Defourny, Pierre .

AGRICULTURAL AND FOREST METEOROLOGY, 2011, 151 (12) :1843-1855

[6]

Integration of MODIS LAI and vegetation index products with the CSM–CERES–Maize model for corn yield estimation.[J].Hongliang Fang;Shunlin Liang;Gerrit Hoogenboom.International Journal of Remote Sensing.2011, 4

[7]

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

[8]

Assimilating remote sensing data into a crop model to improve predictive performance for spatial applications.[J].Marie Launay;Martine Guerif.Agriculture; Ecosystems and Environment.2005, 1

[9]

A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter.[J]..Remote Sensing of Environment.2004, 3

[10]

The Ensemble Kalman Filter: Theoretical formulation and practical implementation [J].

Geir Evensen .

Ocean Dynamics, 2003, 53 (4) :343-367

← 1 2 →