论文部分内容阅读
在农业生产中粮食安全问题占据着其中心位置也关乎国家经济发展，作物估产的精确度对一个地区的粮食安全和政策的制定有很大的意义。随着遥感技术和各种作物模型的不断发展使得估产研究也变得愈加重要，虽然单独使用遥感技术或模型也可以进行估产研究，但随着技术的快速发展和优化，以及对两者结合研究的提出，使得估产的方法也有所改变，并且还能很好地提高精度。遥感信息相较于传统的调查方法而言具有快速、客观和覆盖范围大的优势，但是也只是通过外在来反映作物状态。当下学者们更多地选择将其与模型结合来提高精度。并且在结合方法的选择上大都选用同化算法。
本文通过搜集遥感信息及相关反演方法和对作物模型的了解上，最终采用的遥感影像有HJ-CCD影像数据和MODISLAI数据，指数有叶面积指数LAI和不同的植被指数，使用的模型为WOFOST作物模型，用到的方法有植被指数反演法、OAT(One-At-a-Time)敏感性分析方法和查找表优化算法，最终预测区域玉米单产水平。
论文研究的主要工作及结论如下:
(1)本文经过对黑龙江省大庆市不同时期遥感影像的对比，最终选取了2018年7月28日和9月15日两个关键生育期并且获得准同步卫星影像。该日期最多只需要拼接两幅影像，而且云覆盖率为0。本文选择MODISLAI数据代表实际测量的LAI。影像数据都通过ENVI软件处理。
(2)通过对各种植被指数的了解，最终选取了表征玉米群体特性能力较强的以及应用最多的4种植被指数。将其与LAI值分别建立线性回归反演模型。结果表明:比值植被指数(RVI)所建立的模型能力最强(抽雄吐丝期R2=0.7796，成熟期R2=0.7456)。最终本文用来反演LAI的指数选定为RVI。
(3)WOFOST中的参数对其敏感性分析时采用OAT方法，通过相关公式计算参数的相对敏感度，把值高于0.10的确定为敏感因子，最终确定了最大CO2同化速率(AMAXTB)、叶片的同化物转换率(CVL)、储存器官的同物质转换效率(CVO)、根的维持呼吸作用相对速率(RMR)、茎同化物转换效率(CVS)、根干物质分配系数(FRTB)、茎的维持呼吸作用速率(RMS)、在35℃时叶面积的生命周期(SPAN)、生育期的比叶面积(SLATB)、出苗到开花的积温(TSMU1)、叶维持呼吸作用速率(RML)为待优化参数。
(4)将遥感获得的与模型模拟的LAI同化，使用查找表优化算法获得模拟LAI的参数最优集。得到模拟2018年大庆市玉米的最优产量，实现两者同化的目的，完成了单产模拟。研究得到的最终结果表明了两者的结合，并选择一种合适的优化算法并与其进行融合后可以提高模型模拟玉米单产的精度。
本文通过搜集遥感信息及相关反演方法和对作物模型的了解上，最终采用的遥感影像有HJ-CCD影像数据和MODISLAI数据，指数有叶面积指数LAI和不同的植被指数，使用的模型为WOFOST作物模型，用到的方法有植被指数反演法、OAT(One-At-a-Time)敏感性分析方法和查找表优化算法，最终预测区域玉米单产水平。
论文研究的主要工作及结论如下:
(1)本文经过对黑龙江省大庆市不同时期遥感影像的对比，最终选取了2018年7月28日和9月15日两个关键生育期并且获得准同步卫星影像。该日期最多只需要拼接两幅影像，而且云覆盖率为0。本文选择MODISLAI数据代表实际测量的LAI。影像数据都通过ENVI软件处理。
(2)通过对各种植被指数的了解，最终选取了表征玉米群体特性能力较强的以及应用最多的4种植被指数。将其与LAI值分别建立线性回归反演模型。结果表明:比值植被指数(RVI)所建立的模型能力最强(抽雄吐丝期R2=0.7796，成熟期R2=0.7456)。最终本文用来反演LAI的指数选定为RVI。
(3)WOFOST中的参数对其敏感性分析时采用OAT方法，通过相关公式计算参数的相对敏感度，把值高于0.10的确定为敏感因子，最终确定了最大CO2同化速率(AMAXTB)、叶片的同化物转换率(CVL)、储存器官的同物质转换效率(CVO)、根的维持呼吸作用相对速率(RMR)、茎同化物转换效率(CVS)、根干物质分配系数(FRTB)、茎的维持呼吸作用速率(RMS)、在35℃时叶面积的生命周期(SPAN)、生育期的比叶面积(SLATB)、出苗到开花的积温(TSMU1)、叶维持呼吸作用速率(RML)为待优化参数。
(4)将遥感获得的与模型模拟的LAI同化，使用查找表优化算法获得模拟LAI的参数最优集。得到模拟2018年大庆市玉米的最优产量，实现两者同化的目的，完成了单产模拟。研究得到的最终结果表明了两者的结合，并选择一种合适的优化算法并与其进行融合后可以提高模型模拟玉米单产的精度。