基于物候模型的作物种植面积变化监测方法

在利用多时相数据进行作物变化监测中，通常根据日历选取同一天或相近日期的遥感数据来减小植物季相变化所导致辐射差异所带来的“伪变化”。但是物候存在着年际变化，且与日历日期并不完全一致，不同年份的作物的生长发育状况可能不同。该文利用气候数据建立了作物物候指标模型，利用该模型计算出的熟度指数作为选择季相差别最小的两时期遥感数据依据，选择了用于顺义地区冬小麦播种面积变化信息提取的两时期数据，并利用NOAA AVHRR/NDVI序列数据对选择结果进行了验证。结果表明利用该物候模型选择的两时期遥感数据季相匹配较好。该方法为消除或减小变化监测过程中植被季相差异所导致的辐射误差提供了新思路并进行了有益探索。该文还利用该方法，以北京顺义地区为研究区，采用图像差值法提取1999～2000年冬小麦播种面积变化信息，其中变化像元提取精度达到90%。     

草本植物物候及其物候模拟模型的研究进展

草地生态系统在全球变化过程中具有不容忽视的作用。为深入了解草本植物物候与气候因素间的相互作用机制,建立精确的草地植被物候动态模型,更好地模拟和预测天然草地生态系统对气候变化的响应,本文对国内外草本植物物候及有关草本植物物候模型研究进行了回顾。已有的研究表明物候变化能在一定程度上反映出气候变化的趋势,且温度、光照和水分等环境因素作为物候的主要驱动力在不同的时期发挥着重要的作用。植物物候模型从简单统计模型,逐渐向可描述生长与环境相互作用过程的动态机理模型发展。但可用于天然草地植被物候模拟的模型较少,仍存在物种单一、适用范围小、缺少机理性研究等问题。针对目前的研究现状,只有加强对天然草地植被物候与非生物因子关系的分析,特别是水分对物候的影响研究,努力探索各个物候期的生理特征,不断验证完善已有物候模型,才能建立起精确的草地植被物候模型服务于全球气候变化的研究。     

冬小麦物候期对土壤水分胁迫的响应机制与模拟

作物模型在农业生产管理和决策中发挥着重要作用,而物候期模拟是作物模型正确模拟作物生长发育和产量形成过程的基础。作物模型模拟物候发育的常用算法一般是基于积温的计算,同时也考虑光周期和春化作用的影响,但是水分胁迫对物候发育的次级影响却较少被考虑在内。该研究以连续2季(2013-2014和2014-2015)的遮雨棚下土柱试验和连续3季(2012-2013、2013-2014和2014-2015)的遮雨棚下大田试验数据和前人研究成果为基础提出了冬小麦物候期对水分胁迫的响应机制理论假设,并以土壤相对有效含水率为水分胁迫指标校正冬小麦物候期水分胁迫响应函数。该研究以2014-2015生长季土柱试验各处理试验数据来建立冬小麦物候期水分胁迫响应函数,确定发育加速点A、发育减速点D和发育停止点S所对应的相对有效含水率值分别为0.30、0.10和0。结果发现拔节期和开花期模拟值和观测值之间的均方根误差(root mean square error,RMSE)分别为0.8和1.7 d,绝对相对误差(absolute relative error,ARE)分别低于0.68%和2.09%。然后用2013-2014生长季土柱试验各处理数据进行验证,结果发现拔节期和开花期模拟值和观测值之间的RMSE分别约为0.9和1.1 d,ARE分别在1.37%和1.68%以下。最后再用3年独立大田试验数据对上述修正后的冬小麦物候期算法进行验证,结果发现开花期和成熟期的模拟值与观测值之间的RMSE分别约为2.4和2.0 d,ARE分别低于4.21%和2.67%;与DSSAT-CERES-Wheat模型的模拟结果进行比较,发现修正算法能反映出水分胁迫对冬小麦物候期造成的差异(有提前也有推迟),而DSSAT-CERES-Wheat模型无法体现这种差异,且开花期和成熟期的模拟值与观测值之间的RMSE分别约为4.0和5.5 d,误差最大分别为8和6 d。这表明校正后的冬小麦物候期算法模拟精度得到了较大提高,能在一定程度上描述和量化水分胁迫对冬小麦物候期的影响机制,可用来模拟不同水分胁迫条件下不同品种冬小麦的物候期。     

利用作物模拟模型辅助决策小麦新品种推广初探

在田间试验和前人研究的基础上，以比较成熟的CERES-WHEAT模型为研究工具，以我国的主要作物小麦为研究材料，探讨了作物模型在区域试验和良种评价方面的潜在应用。目的在于应用作物模型的动态性和预测性功能，通过利用品种已有生理和遗传参数以及各地的气象、土壤资料，对冬小麦不同品种同一地点和同一品种不同地点的生育期、物候期、产量和产量构成因素进行模拟，并与实测值进行比较，最后对品种的生态适应性进行了综合评价。最终在品种产量表现和生态适应性等方面为品种区域试验和良种推广提供决策的依据，试图尝试用一条新的途径，辅助     

过去30年气候变化对华北平原冬小麦物候的影响研究

全球变暖已成为全球共同关注的问题。作物物候对气候变化的响应是研究气候变化对农业生产影响的重要内容。本文选用1981—2009年华北平原16个农业气象观测站的冬小麦物候资料,利用统计方法分析了冬小麦物候的变化趋势。结果表明,过去30年华北平原冬小麦播种期、出苗期和越冬开始期推迟,而返青期、开花期和成熟期呈提前趋势。物候期的提前或推迟促使小麦不同生长发育阶段历时发生变化,出苗—越冬开始、越冬开始—返青、返青—开花等阶段呈缩短趋势,但开花—成熟阶段生育期却延长0.9 d.10a 1,整个生育期历时呈减少趋势,平均减少3.4 d.10a 1。本文采用作物模型(CERES-Wheat)模拟固定小麦品种在气候变化背景下的物候变化趋势,以探讨冬小麦物候变化的主要驱动因子。模拟结果表明,过去30年小麦开花期和成熟期提前的主要驱动因素为气候变化,品种变换在一定程度上可减缓气候变化对物候的影响。     

干旱胁迫对玉米物候及产量组成的影响及模拟研究

为了研究产量关键期干旱胁迫对玉米物候及产量和产量组成的影响,评估作物生长模型对干旱胁迫下玉米物候和产量模拟的效果,基于锦州农业气象试验站2011-2015年分期播种试验玉米产量和产量组成观测资料,尤其是2014年和2015年天然干旱胁迫试验数据和2015年玉米开花、吐丝物候加密观测资料,分析了产量关键期干旱胁迫对玉米物候及产量和产量组成的影响,评估了CERES-Maize模型对不同降水年型玉米产量和产量组成的模拟效果,提出了模型改进的方向。结果表明,2014年和2015年辽宁省西部地区在玉米开花期前后经历了较严重的干旱胁迫过程,干旱胁迫导致玉米吐丝延迟程度大于开花,90%以上的植株能到达开花阶段,但仅有45%~88%的植株能到达吐丝阶段,直接影响株籽粒数（不同播期下的玉米株籽粒数相差32%）及最终产量（产量下降33%~78%）。CERES-Maize模型对正常年玉米产量及产量组成的模拟效果较好,对干旱年的模拟效果较差,部分原因在于模型在模拟玉米物候时不对开花和吐丝期加以区别,只考虑了温度对花期的影响,而没有考虑干旱胁迫下玉米因开花-吐丝间隔增大、雌穗发育异常、物候期推迟而造成的减产作用。因此,玉米产量关键期干旱胁迫直接影响玉米物候（开花-吐丝期）,进而影响玉米穗粒数及最终产量;为提高干旱胁迫下作物模型的模拟评估能力,亟待开展干旱胁迫下基于冠层吐丝动态的玉米产量模拟研究。     

基于像元物候曲线匹配的生长季内河北省冬小麦空间分布识别

及时、准确的农作物空间分布信息是进行作物长势监测、灾害评估与产量估计的基础。传统方法一般在作物收获期前后进行作物的识别，时间上滞后，难以满足农业生产的应用，时空泛化能力差，模型复用程度低。该研究以历史知识为支撑，提出冬小麦像元匹配模型（Pixel-matched Model，PMM）进行冬小麦空间分布提取，旨在生长季内实现冬小麦空间分布的快速提取。研究结果表明，PMM能充分利用作物物候特征变化，排除冬小麦种植物候空间异质性的影响，能够在播种后2个月内实现冬小麦的准确提取，总体精度达到了95.49%，F1分数为0.83，且不随物候曲线的延伸而大幅提高精度。与传统参考曲线模型（Reference Curve Model，RCM）相比，PMM在消除区域内冬小麦生长物候差异方面具有优势，可在年际间实现冬小麦的准确识别，具有较强的时间泛化能力，能够实现冬小麦的自动化识别。     

基于结构-功能互反馈机制的植物生长可视化建模与仿真(简报)

为确定植物生长可视化建模的一般方法,在总结国内外相关研究成果的基础上,归纳了基于结构-功能反馈机制的植物生长可视化建模的步骤,研究了建模过程中涉及的植物形态结构描述模型、结构模型与功能模型的结合、可视化模型以及模型的有效性检验等关键性技术问题,最后以具体作物生长可视化建模为例阐述了该技术的应用,并对关键性技术问题进行了讨论.研究结果表明,基于结构-功能反馈机制的作物生长模型,不但能可视化模拟不同环境因素下作物的生长发育状况,而且可在作物理想株型培育、群体产量预测、栽培管理等领域发挥实际作用.     

作物临界氮浓度稀释模型研究述评

作物临界氮浓度是作物达到最大生长的植株最小氮浓度.临界氮浓度随地上部植株干物质积累量增加而下降,可以用幂函数模型Nc=a×Wmax-b表示.已建立了数十种作物临界氮稀释模型,根据作物收获器官的特点,分为收获籽粒、收获鲜果实、收获块根块茎和收获地上部营养体4类,不同类型临界氮浓度稀释模型在模型参数和氮素诊断应用方面各有特...     

基于自适应差分进化算法的水稻物候期预测模型参数自动校正

进化算法在作物模型参数校准领域已有广泛应用。由于作物模型的结构包括多组常微分方程,具有非线性、不连续、多峰值特点,因此针对作物模型特点选择合适的进化算法尤为重要。同时,进化算法自身参数对算法性能有较大影响,这些参数选择往往靠经验得出,增加了优化算法在模型参数校准过程中的不确定性。该文针对进化算法应用到作物物候期模型参数校准过程中存在着算法选择和算法参数不确定性问题,以水稻RiceGrow物候期模型为应用对象,分析比较了3类进化算法应用的精度、收敛速度以及稳定鲁棒性。比较的进化算法包括差分进化系列算法（标准差分进化算法和自适应控制参数改进差分进化算法）,协同进化遗传算法系列（个体优势遗传算法、M-精英协同进化算法）以及粒子群算法系列（标准粒子群算法、基于自主学习和精英群的多子群粒子群算法）。研究利用武育粳、雪花粘等5个品种在江苏宜兴、兴化和广东高要等不同生态点的多年田间试验资料展开量化分析。结果表明：1）利用自适应控制参数改进差分进化算法校准水稻物候期模型的品种参数准确性较高,算法自身参数易于确定。物候期模型校准以后在拔节期、抽穗期、成熟期的RMSE为1.7～4.6 d、NRMSE为1.8%～5.8%、MAD 为 1.4～3.3 d、R2为 0.977～0.997,比GA系列平均分别小0.634 d、0.608%、0.453 d、0.09%,比PSO系列平均小1.399 d、1.35%、1.039 d、0.23%。 2）自适应控制参数改进差分进化算法在水稻物候期模型参数校准问题上表现出良好的收敛速度及稳定鲁棒性。重复校准试验100次的目标函数标准偏差趋近于0,每次校准得到的品种参数值标准偏差较其他算法最小。在达到同样精准度的情况下,比标准差分算法收敛速度平均快117代,适用于实际应用实践。     

The simulation of phenological development in dynamic crop model: The Bayesian comparison of different methods

The main objective of our study was to use Bayesian methods to quantify the uncertainties related to phenological development of maize (Zea mays L.) under various climate conditions. For this purpose, five different phenological methods were implemented in the dynamic crop growth model, which was subsequently optimized, using the data acquired at three different locations in Slovenia. The sensitivity analysis of the crop model was performed in order to find the set of most influential physiological parameters. Subsequent Bayesian model comparison was used in order to quantify the impact of phenological method selection on the final maize yield. The results revealed the importance of using an appropriate phenological method in order to correctly estimate the duration of the growing season and yield, when used within dynamic crop model. The limitations of the phenological methods used in this study are discussed. The selection of phenological method itself did not have a significant influence on the yield estimation, except in years with high temperatures and limiting water conditions. This raises the concern that inaccurate simulation of phenological development may increase the uncertainties of impact assessment on crop yield where crop models are fed with future climate projections.     

棉花地上部形态模拟模型的建立

为构建基于生理生态过程的棉花虚拟生长模型,本研究以棉花模型COTGROW为基础,利用棉花品种"美棉33B"的3年田间密度试验数据,分析了棉株器官生物量-形态的关系,改进了COTGROW模型中的发育和形态发生模块,建立了基于生理生态过程的棉花地上部分形态模拟模型,并利用独立试验数据对模型进行检验。结果表明:模型对棉花地上部各器官形态特征的模拟值和测定值的吻合度较好,棉花株高、主茎节数、果枝数、各果枝果节数、节间长度、节间直径、叶片长度、叶片宽度、叶柄长度、叶柄直径、棉铃长度以及铃直径测定值与模拟值间的相关系数分别为0.99、0.99、0.99、0.92、0.95、0.93、0.75、0.71、0.81、0.62、0.98和0.98,均方根误差分别为3.85 cm、0.64、0.52、0.66、1.00 cm、0.15 cm、1.58 cm、2.39 cm、2.54 cm、0.05 cm、0.13 cm和0.10 cm。本研究建立的棉花地上部形态模拟模型能较准确地模拟棉花地上部分的生长状况,这将为棉花生长虚拟模型的开发奠定基础。     

Simulating the development of field grown potato (Solanum tuberosum L.)

The simulation of developmental stages is an important part of many crop simulation models because photoassimilates partitioning to different organs varies with plant developmental stage. Developmental models can also help in pest control and fertilizer application programs, in breeding strategies, and in crop harvest programming. There are several models for simulating potato (Solanum tuberosum L.) development. These models have assumptions that are open to criticism, such as the thermal time approach to describe the effect of temperature on potato development, they assume a constant set of cardinal temperatures throughout the crop cycle and they do not take into account the effect of photoperiod on potato development. These assumptions have disadvantages, because they are not completely realistic from a biological viewpoint. The Wang and Engel (WE) model [Wang, E., Engel, T., 1998. Simulation of phenological development of wheat crops. Agric. Syst. 58, 1–24.] seems appropriate to overcome the disadvantages of current potato models, but it has been used to simulate development in annual crops where the reproductive organs are above ground, not in potato. The objective of this study was to adapt the WE model to simulate development of field grown potato. A series of field experiments was carried out at Santa Maria, Rio Grande do Sul State, Brazil, with 15 planting dates: nine in the year of 2003 and six in the year of 2004. The WE model was superior to the thermal time approach for predicting the date of major developmental stages (tuber initiation, beginning of plant senescence, and harvest), with an average root mean square error (RMSE) of 10.4 days, which corresponds to a 28–45% decrease in the RMSE compared with the thermal time methods. Model predictions with the WE model were better for earlier (tuber initiation, RMSE = 3.7 days) than for later developmental stages (harvest, RMSE = 14.0 days).     

作物生长模型的应用研究进展

作物生长模型不仅能够进行单点尺度上作物生长发育的动态模拟,而且能够从系统角度评价作物生长状态与环境要素的关系。本文通过梳理当前作物生长模型应用的诸多研究成果,剖析模型在气候变化对农业生产影响研究、作物生长模型区域应用中的关键问题,总结了当前以作物生长模型为核心的农业决策支持系统开发的研究情况,意在促进作物生长模型在生态、农业、区域气候资源和气候变化等研究中更广泛地应用。结果表明,作物生长模型在国内外的研究与应用广泛而深入,在气候变化背景下,应用作物生长模型进行历史时期气候条件和农业气象灾害对作物生产状况和产量的影响研究已相当广泛且相对成熟。利用全球气候模式（GCM）或区域气候模式（RCM）构建未来气候变化情景,再与作物生长模型耦合已发展成为评估未来气候变化对农业生产影响的重要手段。通过集成与整合多作物生长模型、多气候模式集合模拟、优化气候模拟数据订正方法可有效降低气候变化对农业生产影响评估的不确定性。遥感数据同化技术能够将站点模型运用到区域尺度上评价不同环境因子对农业生产的影响,拓宽了作物生长模型的应用尺度范围并有效提高作物产量估算的精度。以作物生长模型为核心的农业决策支持系统的研究与应用越来越多元化,是辅助农业生产管理和决策的重要工具。然而,由于作物生态系统的复杂性,作物生长模型模拟结果仍存在很大的不确定性,今后对作物生长机理及过程间耦合机制的探索还需加强,以便进一步完善和改进模型,促进作物生长模型更广泛地应用。     

Correlation between temperature and phenology prediction error in rice (Oryza sativa L.)

For rice (Oryza sativa L.), simulation models like ORYZA2000 and CERES-Rice have been used to explore adaptation options to climate change and weather-related stresses (drought, heat). Output of these models is very sensitive to accurate modelling of crop development, i.e. phenology. What has to date received little attention in phenology calibration is the temperature range within which phenological models are accurate. Particularly the possible correlation between temperature and phenology prediction error has received little attention, although there are indications that such correlation exists, in particular in the study by Zhang et al. (2008). The implication of such correlation is that a phenology model that is accurate within the calibration temperature range can be less accurate at higher temperatures where it can systematically overestimate or underestimate the duration of the phase from emergence to flowering. We have developed a new rice phenology calibration program that is consistent with ORYZA2000 concepts and coding. The existing calibration program DRATES of ORYZA2000 requires an assumption of default cardinal temperatures (8, 30 and 42 °C) and then calculates cultivar specific temperature sums and development rates. Our new program estimates all phenological parameters simultaneously, including the cardinal temperatures. Applied to nine large datasets from around the world we show that the use of default cardinal temperatures can lead to correlation between temperature and phenology prediction error and temperature and RMSE values in the order of 4-18 days for the period from emergence to flowering. Our new program avoids such correlation and reduces phenology prediction errors to 3-7 days (RMSE). Our results show that the often made assumption of a rapid decrease in development rate above the optimal temperature can lead to poorer predictions and systematic errors. We therefore caution against using default phenological parameters for studies where temperatures may fall outside the range for which the phenological models have been calibrated. In particular, this applies to climate change studies, were this could lead to highly erroneous conclusions. More phenological research with average growing season temperatures above the optimum, in the range of 32-40 °C, is needed to establish which phenological model best describes phenology in this temperature range.     

作物单产估算模型研究进展与展望

作物单产估算是服务现代农业的一项重要内容,也是农业监测的难点之一,及时准确的产量模拟对国家农业决策、农田生产管理、粮食仓储安全等都有重要意义。利用模型对作物生长发育和产量形成过程进行动态模拟是当前产量估算的主流方式。本文通过对比当前主流模型构建的理论基础,将估产模型分为经验统计模型、作物生长模型、光能利用率模型和耦合模型4种类型,并对比分析4种模型的优缺点,得到了各个模型的优势和不足。同时分别分析了遥感技术在4种估产模型中的应用,对模型中遥感数据的使用方法、限制因素、解决办法等进行了总结,并分析了遥感技术在作物估产模型方面使用的优势、不足和应用前景。分析了模型发展过程中存在的问题和限制因素,最后对模型的研究热点和发展趋势进行了展望,总结了遥感数据的使用方法、不同模型的耦合、现有模型的优选3个作物估产模型研究需要重点关注的方向。     

基于GF-1/WFVNDVI时间序列数据的作物分类

归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。