基于遥感和DSSAT模型的夏玉米优化模式研究

• 作 者: 王伟童
• 出 处: 郑州大学
• 发表日期: 2021年05期
• 关键词: 无人机遥感 DSSAT作物模型 玉米 数据同化 田间管理模式

华北平原是我国玉米的主要主产区,玉米种植过程中不合理的水肥管理措施,造成一定程度的农业面源污染,这对华北地区的水环境造成了一定程度的影响。因此需要探索一种合理的种植管理模式,实现玉米产量和环境效益的双赢。因此本文在实验观测的基础上,采用模型和遥感方法,模拟与评估玉米不同生态阶段的环境效益,为华北地区玉米种植模式的优化选择提供科学依据。论文以河南省农业科学院原阳基地的夏玉米11种不同田间管理模式的优化为对象,利用植被指数法实现对玉米LAI的反演,构建DSSAT生长模型并利用GLUE模块完成作物遗传参数优化,借助EFAST全局分析法实现对22个模型输入参数的敏感性分析,依据敏感指数筛选出与模拟结果关联性较强的的待优化数据集。然后通过构建遥感反演LAI与模型模拟LAI之间的最小代价函数,利用SCE-UA优化算法找出待优化参数集的最优取值,完成数据同化。最后根据经济、作物参数和环境效益指标对11种夏玉米田间管理模式进行了综合评估和优化选择。论文主要结论如下:(1)基于各处理夏玉米生长发育过程中无人机遥感影像的可见光谱信息,结合玉米实测LAI数据与15个可见光植被指数,构建了数学统计回归模型,实现了不同田间处理的LAI的遥感反演。结果显示,利用CIVE(植被颜色指数)和EXGR(超红超绿差值植被指数)反演出的回归模型效果最好。各处理回归模型的决定系数R2几乎都达到了0.8,均方根误差RMSE均在0.55以下,具有较高的反演精度。(2)通过收集土壤、气象、管理措施等信息,构建了玉米生长的DSSAT模型,并利用GLUE模块对模型的作物遗传参数进行了优化。结果表明,优化后,产量和最大LAI精度总体上有了提升。从产量看,T0、T2、T4和T7的精度提升都在15%左右,但是T6处理精度下降严重,达到了16%。虽然经过GLUE优化后,模型的模拟精度总体上有了很大提升,但是模型模拟精度尚不能满足实际需要,还需要经过同化方法确定敏感性参数集的最佳取值,才能最大限度地提升模型的模拟精度。(3)利用EFAST全局分析方法对模型输入参数进行敏感性分析,考虑到优化参数个数及模型运行速度等问题,决定将对于产量和LAI的全局敏感指数均大于0.2的参数筛选出来作为敏感性参数集。结果显示,土壤排水上限SDUL、土壤p H值SLHW、根系生长系数SRGF、光周期敏感参数P2、灌溉量IRAVL以及施氮量FAMN均会对作物产量和LAI产生较大影响。(4)以LAI为状态变量,通过构建遥感反演LAI与DSSAT模型模拟LAI之间的最小代价函数,然后利用SCE-UA优化算法完成数据同化工作。结果发现,同化后各田间管理模式的产量的总体模拟精度在90%以上,T2和T6模式的模拟精度分别提升了12.4%和9.55%。连续时间上的LAI与实测LAI的拟合效果与之前相比模拟精度平均提升15.3%,总体模拟精度达到80%。这表明,经过同化后的DSSAT玉米模型,已经满足研究区玉米生长发育模拟的精度要求。(5)利用经济效益指标、作物参数效益指标和环境效益指标对个田间管理模式进行综合评价。结果表明,研究区适宜推行炭基复合肥+秸秆还田和优化施肥60%+有机肥40%+秸秆还田的管理模式。