您好,欢迎访问北京市农林科学院 机构知识库!

基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究

文献类型: 中文期刊

作者: 陈艳玲 1 ; 顾晓鹤 1 ; 宫阿都 1 ; 胡圣武 1 ;

作者机构: 1.北京师范大学环境遥感与数字城市北京市重点实验室;北京师范大学环境演变与自然灾害教育部重点实验室;北京师范大学地理科学学部;国家农业信息化工程技术研究中心;河南理工大学测绘与国土信息工程学院

关键词: 冬小麦估产;叶面积指数;WOFOST模型;同化

期刊名称: 麦类作物学报

ISSN: 1009-1041

年卷期: 2018 年 09 期

页码: 1127-1136

收录情况: 北大核心 ; CSCD

摘要: 为探讨遥感信息和作物生长模型在作物估产方面的优势互补特性,选取河北省藁城市冬小麦作为研究对象,采集多个关键生育时期的生理生化、农田环境、气象等数据,并获取准同步的环境减灾小卫星HJ-CCD影像数据,采用植被指数反演冬小麦叶面积指数(LAI),基于扩展傅里叶振幅灵敏度检验法(EFAST)对WOFOST作物模型的26个初始参数进行全局敏感性分析,筛选敏感性参数,调整WOFOST模型的核心参数,利用查找表优化算法构建基于WOFOST模型和遥感LAI数据同化的区域尺度冬小麦单产预测模型,并定量预测区域冬小麦单产水平。结果表明,增强型植被指数(EVI)是遥感反演LAI的最佳植被指数(开花期建模r~2=0.913,RMSE=0.410,灌浆期建模r~2=0.798,RMSE=0.470),预测能力最强(开花期r~2=0.858,RMSE=0.531,灌浆期r2=0.861,RMSE=0.428);筛选出6个待优化参数,即TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4;产量预测精度r~2=0.914,RMSE=253.67kg·hm~(-2),找到了待优化参数的最佳取值,最终完成了单产模拟。

  • 相关文献

[1]遥感数据和作物模型集成方法与应用前景. 李存军,王纪华,王娴,刘峰,黎锐. 2008

[2]基于EFAST方法的WOFOST作物模型参数敏感性分析. 陈艳玲,顾晓鹤,宫阿都. 2018

[3]小麦群体叶面积指数差异的反射光谱响应度研究. 杨敏华,胡慧萍,赵永超,王之杰,赵春江. 2004

[4]利用TM遥感进行冬小麦苗期长势监测研究. 李卫国,国家农业信息化工程技术研究中心,王纪华,赵春江,李秉柏. 2006

[5]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017

[6]夏玉米叶面积指数的高光谱遥感植被指数法研究. 谭昌伟,黄义德,黄文江,王纪华,赵春江,刘良云. 2004

[7]基于CASI高光谱数据的作物叶面积指数估算. 唐建民,廖钦洪,刘奕清,杨贵军,冯海宽,王纪华. 2015

[8]株型对冬小麦冠层叶面积指数与植被指数关系的影响研究. 唐怡,黄文江,刘良云,王纪华. 2006

[9]不同株型冬小麦冠层结构特征多时相分析. 杨贵军,邢著荣,黄文江,齐腊,李伟国. 2010

[10]运用光谱技术改进Beer-Lambert定律的定量化及其应用研究. 谭昌伟,王纪华,黄义德,黄文江,刘良云. 2005

[11]归一化差异植被指数仪的研制与应用. 赵春江,刘良云,周汉昌,王纪华,薛绪掌. 2004

[12]基于成像高光谱仪的大豆叶面积指数反演研究. 陆国政,李长春,杨贵军,于海洋,赵晓庆,张晓燕. 2016

[13]基于无人机遥感影像的大豆叶面积指数反演研究. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽. 2015

[14]洪涝胁迫的水稻叶面积指数变化及其光谱响应研究. 徐鹏,顾晓鹤,孟鲁闽,邱贺,王慧芳. 2013

[15]基于多源遥感数据的大豆叶面积指数估测精度对比. 高林,李长春,王宝山,杨贵军,王磊,付奎. 2016

[16]基于无人机数码影像的冬小麦叶面积指数探测研究. 高林,杨贵军,李红军,李振海,冯海宽,王磊,董锦绘,贺鹏. 2016

[17]基于无人机高光谱遥感的冬小麦叶面积指数反演. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌. 2016

[18]基于赤池信息量准则的冬小麦叶面积指数估算. 杨福芹,冯海宽,李振海,金秀良,杨贵军,戴华阳. 2015

[19]灌浆期弱光逆境对小麦生长和产量影响的模拟模型. 顾蕴倩,刘雪,张巍,亓春杰,汤开磊,赵杨,张岩,李刚,王斌. 2013

[20]基于无人机数码影像的大豆育种材料叶面积指数估测. 李长春,牛庆林,杨贵军,冯海宽,刘建刚,王艳杰. 2017

作者其他论文 更多>>