论文部分内容阅读
卫星遥感数据能够宏观监测全球或区域植被长势状况,作物生长模型利用气象、土壤、田间管理、作物生理学因素等要素模拟作物生长,揭示作物生长发育的原因及本质,两者结合具有应用潜力。利用数据同化方法将作物生长模型和时间序列遥感观测信息结合具有改善作物长势监测和产量估算的潜在能力。全球遥感降水和温度产品的相继发布,也为在区域尺度分析降水和温度的变化对大田作物长势及产量的影响提供了强有力的手段。本文围绕植被叶面积指数(Leaf Area Index,LAI)的遥感监测及作物产量遥感估算展开研究,主要研究工作和结论包括以下几个方面：
⑴发展了一种新的数据同化途径,首次采用集合卡尔曼平滑算法将LAI动态模型和MODIS二向性反射率数据相结合,同化反演了BELMANIP网络中的6个站点7年的时间序列LAI,并与集合卡尔曼滤波方法得到的LAI和MODIS LAI产品进行了对比分析。结果表明,在站点像元尺度,采用集合卡尔曼平滑算法反演的时间序列LAI优于集合卡尔曼滤波得到的LAI结果和MODIS LAI产品。集合卡尔曼平滑方法能够有效剔除滤波同化方法造成的“跳跃”或“锯齿状”现象,可以生成更平滑、更合理的LAI时间廓线,基本符合实际的植被生长规律。
⑵将时间序列MODIS数据和高空间分辨率TM遥感观测数据相结合,以LAI作为耦合作物生长模型CERES-Maize和植被冠层反射模型SAIL的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。选择吉林省榆树市为研究区,首先在MODIS和TM两种尺度分别提取玉米种植面积和空间分布,构建时间序列MOD09A1遥感观测数据集。然后,分别基于MODIS和TM像元尺度,利用全局优化算法SCE-UA将时序遥感观测同化进入CERES-Maize+SAIL耦合模型,估算区域玉米产量,得到玉米单产空间分布的估计结果,结合遥感估算的玉米种植面积求算了榆树市玉米总产量。最后,利用2007、2008和2009年在榆树市获取的玉米产量数据对遥感数据同化估产结果进行了验证。结果表明,经遥感数据同化后的玉米产量估算精度高于仅运行作物生长模型得到的结果。利用榆树市3年间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序NDVI值越大,对应的玉米产量越高；年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。
⑶选择TRMM3842降水数据和MOD11A1地表温度数据产品作为遥感数据源,通过分析吉林省榆树市2007、2008和2009年3年间遥感降水及温度数据产品、玉米LAI及产量的变化,结合气象站观测数据,分析说明遥感数据对玉米作物长势和产量变化信息的表达能力。本文工作表明在玉米生长季内,尤其在影响玉米产量形成的重要阶段(孕穗期、开花期和灌浆期),TRMM降水数据在旬尺度能够监测年际间降水的变化,可以用来分析降水对年际间玉米长势及产量的影响；晴空条件下MOD11A1数据的年际间变化同气温的变化具有较一致的变化规律,如何将MODIS地温数据与气象站点观测数据相结合,说明MODIS监测到玉米冠层平均温度的变化在产量估算中的作用,需要进一步研究。