土壤湿度驱动WOFOST模型及其适应性

WOFOST作物生长模型是以日降水量表征降水输入参数,通过推算土壤相对湿度实现作物生长模拟。由于日降水量随机性较大,很难通过控制日降水量实现不同土壤干旱等级情景设置,限制了WOFOST作物生长模型在不同水分胁迫下对作物生长的模拟,也影响了模拟试验的精度。本文提出以土壤相对湿度直接驱动WOFOST作物生长模型,并以Compaq Visual Fortran 6.5为开发平台,采用Fortran语言对WOFOST作物生长模型的源代码进行修改,将驱动模块中的日降水量文件替换为土壤相对湿度驱动文件。以2013年山东省夏津农业气象试验站玉米出苗-拔节期和抽雄-成熟期水分胁迫和整个生育期自然降水处理（对照）的试验数据为例,对修改后的WOFOST作物生长模型进行了模拟试验。结果显示,采用修订后的模型输出的实测鲜叶干重、鲜茎干重、营养器官干重、地上物质总重和叶面积指数等生物量指标均较原模型输出结果,不仅精度明显提高,而且,由于土壤湿度变化较平稳,较容易地实现了不同水分胁迫情景设置,进而实现不同土壤干旱等级条件下玉米生长的模拟,为分析不同程度干旱对玉米生长的影响及确定其生长发育指标提供了便利条件。     

WOFOST模型同化时序HJ CCD数据反演叶面积指数

为增强作物叶面积指数遥感反演的机理性并提高反演精度,在深入分析作物长势模型WOFOST机理的基础上,采用最小二乘法作为同化算法,以生长季内获取的时序HJCCD遥感数据作为外部数据源,反演冬小麦叶面积指数进行长势监测和估产应用。以河北省玉田县为试验区,以三要素法和实测LAI作为基准,模型模拟产量和LAI作为反演精度的度量指标,成熟期LAI估算误差由模型同化前的14.95%降至同化后的9.97%,产量误差由同化前的18.17%降为同化后的15.89%。叶面积指数的同化结果与实测数据具有较好的拟合度,表明该方法的具有一定可行性,为作物生长模型区域化应用提供了参考。     

基于LAI时间序列重构数据的冬小麦物候监测

农作物物候信息对农作物长势监测和估产具有重要意义。该文以河北省中南部冬小麦为研究对象,以叶面积指数(LAI,leaf area index)为同化量,采用重采样粒子滤波算法同化WOFOST(world food studies)作物生长模型和遥感观测LAI,重构LAI时间序列数据,基于重构数据提取冬小麦返青期、抽穗期和成熟期等关键物候期。重构结果表明,重构的LAI具有良好的时间连续性和空间连续性,可减缓WOFOST作物模型LAI变化剧烈程度,峰值出现时间与遥感LAI曲线基本同步,且可一定程度上解决遥感观测LAI数值整体偏低和数据缺失的问题。物候期监测结果表明,在空间分布上与冬小麦实际生长状况基本相符,时间上也较为合理,但因在返青期存在LAI高初始值、成熟期存在LAI下限不确定性等问题致使在具体日期存在偏差。     

光谱信息与作物生长模型数据同化中的时间尺度优化

光谱信息与作物生长模型同化的效率提升是同化方法区域应用研究的一个重要方面。该文通过设置不同步长的光谱观测值同化时相,开展针对光谱信息与作物生长模型WOFOST(world food studies)同化的时间尺度优化研究,以提高同化效率。基于长春地区水稻生长周期,该文设置了4个等距时间尺度(步长分别为5,10,20和30 d)和一个关键时相时间尺度(同化时相对应水稻生长关键时期),在不同时间尺度下利用光谱信息计算的修正叶绿素吸收比值指数MCARI1(modified chlorophyll absorption ratio index)同化WOFOST模型,通过比较不同时间尺度下的同化精度和效率,优化同化时间尺度。结果表明:随着同化时间尺度增大,同化效率逐渐提高,而同化精度逐渐降低。在平衡精度和效率的前提下,选择步长介于10~20 d的时间尺度或关键时相尺度作为光谱信息与作物生长模型的同化时间尺度是合理的。该文提出的优化同化时间尺度方法为提高光谱信息与作物生长模型同化的区域应用效果提供了参考。     

基于遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测

区域作物产量预测是国家粮食安全评估的重要内容。遥感虽能获取大面积地表信息,却难以反映作物生长发育的内在过程。作物生长模型已经在单点尺度能成功模拟作物的生长发育过程,但是区域尺度作物关键参数的获取仍很困难。遥感信息与作物模型结合的数据同化已经成为区域产量预测的最有效途径。该文选择河北省衡水地区冬小麦为研究对象,在WOFOST模型标定与区域化的基础上,利用WOFOST模型描述冬小麦生育期内叶面积指数(LAI)变化规律。针对MODIS数据的混合像元造成反演的LAI产品偏低的系统误差,利用实测LAI样本点融合MODIS-LAI趋势信息修正MODIS-LAI数据产品。采用集合卡尔曼(EnKF)算法同化冬小麦返青到抽穗期的MODIS-LAI与WOFOST模拟的LAI以获得时间序列最优的LAI,并以此重新驱动WOFOST模型估算区域冬小麦产量。结果表明,EnKF同化后的冬小麦产量比未同化的产量预测精度有显著提高,与县平均统计产量相比,在潜在模式下,决定系数由0.13提高到0.38,均方根误差由2480下降到880kg/hm2。研究表明,遥感信息与作物模型的EnKF同化是1种有效的作物产量预测方法,并在区域尺度应用上具有广阔的应用潜力。该研究可为区域尺度的作物估产提供参考。     

基于遥感数据与作物生长模型同化的作物长势监测

遥感观测和作物生长模型模拟是进行农作物长势监测的2种有效手段,并具有较好的互补性,构建二者的同化系统是目前农业遥感研究领域的热点。同化涉及多学科的交叉集成,十分有必要将同化方法中的模型、算法、数据进行集成,构建基础作物模型同化系统平台,降低科学研究和应用的难度。采用模块化结构设计,将同化系统构建所需的主要模型、算法、数据等进行有机结合和无缝集成,实现基于极快速模拟退火算法的遥感数据与CERES-Wheat作物生长模型的同化原型系统构建。此外,通过所开发的系统利用地面高光谱作为遥感数据,通过同化小麦叶面积指数对同化系统进行了检验和初步应用。同化LAI与实测结果较好的拟合度,表明所开发的同化系统基本可行,能为遥感技术与作物模型的基础研究和应用提供一个平台。     

基于作物模型与叶面积指数遥感影像同化的区域单产估测研究

通过对作物光合、呼吸、蒸腾、营养等一系列生理生化过程的定量模拟，作物生长模型已经被成功应用于田间尺度的作物单产研究。为了进一步将作物模型扩展应用于区域尺度，提高区域作物单产的模拟精度，该文探讨了将作物模型与多时相叶面积指数(LAI)遥感影像同化以改善区域单产估测的方法。研究首先通过地理信息系统将美国农业部开发的“考虑气候的作物环境决策模型”——EPIC模型，扩展为空间模型。然后，通过基于Landsat TM影像差值植被指数DVI与田间观测叶面积指数构建的最优回归模型，反演了研究区域的多时相叶面积指数影像。最后通过优化算法实现了空间EPIC模型与影像信息的同化，并将系统应用于河北石家庄地区2004年冬小麦的单产估测。结果表明，通过数据同化校正部分关键参数后的空间作物模型的单产模拟精度得到有效提高，但要达到业务运行精度仍有待进一步改善。     

SCE标定结合EnKF同化遥感和WOFOST模型模拟冬小麦时序LAI

WOFOST(world food studies)模型可用于模拟冬小麦全生育期内的时序叶面积指数(leaf area index, LAI),各器官生物量以及最终产量,对冬小麦的长势监测与产量预估有着重要意义。但将WOFOST模型用于中国具体区域的冬小麦生长模拟时,存在着参数定标困难、模拟结果不够准确等严重问题。目前对该模型的定标大多依靠研究者的经验进行,虽已总结出了一套从标定到模拟应用的研究方法,但在区域模拟时仍然存在很多问题。为此,该文以较易获取的LAI为参考指标,结合潜在生长水平模式下的WOFOST模型在衡水地区的应用,提出了一种"区域优化标定,像元同化修正"的研究方法:首先在区域尺度上对WOFOST模型进行优化标定,利用扩展傅里叶幅度灵敏度检验法(extend fourier amplitude sensitivity test, EFAST)分析模型各个参数的敏感性,在此基础上选择了可以迅速找到全局最优解的SCE(shuffled complex evolution)算法对总敏感度最高的5个参数进行优化,并将优化前后的时序LAI曲线进行对比;其次运用第一步确定的模型最优参数,在对区域内每个像元进行模拟时,结合Sentinel-2卫星数据反演所得的各个像元LAI,利用集合卡尔曼滤波(ensemble kalman filter, EnKF)在像元尺度上对LAI进行同化修正,并结合采样点的2次实测LAI数据对同化所得结果进行验证。试验发现,优化标定后的WOFOST模型模拟所得LAI曲线更接近所给的LAI真值,在此基础上结合数据同化模拟得出的衡水地区每个像元LAI的R2达到0.87,RMSE仅为0.62。因此,与原来只能通过经验进行定标的方法相比,该方法有效地解决了WOFOST模型在具体应用中亟待解决的复杂标定问题,并且结合同化修正有效地提高了模型在各个像元的模拟精度,R2由0.70～0.83提升至了0.87,RMSE由0.89～1.36降低至了0.62。同时该文也提供了从模型标定到具体模拟整个过程中各个环节的思路与方法,有利于促进WOFOST模型在区域尺度上的应用。     

基于全局敏感性分析和贝叶斯方法的WOFOST作物模型参数优化

作物模型参数的敏感性分析、标定和验证可以提高模型的效率和精准度,进而为模型应用做好准备工作。该研究结合参数全局敏感性分析方法以及贝叶斯后验估计理论的马尔科夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法,以华北栾城站三年的冬小麦观测数据(叶面积和地上生物量)为参照,对WOFOST模型的55个品种参数进行了敏感性分析、筛选和优化。发现:1)对叶面积影响较大的参数为:生育期为0、0.5、0.6和0.75时的比叶面积、生育期为1.5时的最大光合速率、叶面积指数最大增长率;对地上干物质影响较大的参数为:生育期为1.5时的最大光合速率、生育期为0时的比叶面积、35℃时叶面积的生命周期、生育期为0时的散射消光系数、生育期为1.8时的最大光合速率、储存器官的同化物转换效率。2)潜在和雨养产量水平下,最大叶面积和地上生物量对参数的敏感性差异不大。3)马尔科夫蒙特卡洛方法(MCMC)可以对WOFOST模型品种参数较好地优化;设计的3种校正-验证方案中,第1种方案(用1998-1999年作为校正年份,1999-2000年,2000-2001年作为验证年份)模拟效果最好。4)优化后的参数,模型对潜在产量水平模拟较好,一致性指数均大于0.9,相对均方根误差小于20%;而对有水分胁迫的雨养情况下比潜在产量水平的模拟结果差,表明模型对水分胁迫的模拟不足。该研究为WOFOST模型区域应用和模型调整优化提供科学理论依据。     

遥感信息与作物生长模型的区域作物单产模拟

利用外部数据同化作物生长模型提高区域作物单产模拟精度是近年来的研究热点.该文以遥感反演的叶面积指数(LAI)作为结合点,以黄淮海粮食主产区典型县市夏玉米为研究对象,在区域尺度利用全局优化的复合形混合演化( SCE-UA)算法进行了遥感反演LAI信息同化EPIC (environmental policy integra...     

基于PEST的土壤-作物系统模型参数优化及灵敏度分析

农业生产管理系统模型输入参数多,参数率定过程十分耗时费力,大大限制了其推广应用。该研究以华北平原2 a的冬小麦-夏玉米田间试验观测数据为基础,使用PEST(parameter estimation)参数自动优化工具对土壤-作物-大气系统水热碳氮过程藕合模型(soil water heat carbon and nitrogen simulator,WHCNS)的土壤水力学参数、氮素转化参数和作物遗传参数进行自动寻优,同时计算分析模型参数的相对综合敏感度,并将优化结果与土壤实测水力学参数和试错法的模拟结果进行比较。参数敏感度分析结果表明,18个模型参数的相对综合敏感度较高,其中土壤水力学参数普遍具有较高的敏感度,以饱和含水率敏感度最高;作物参数中,作物生长发育总积温和最大比叶面积具有较高的综合敏感度;而氮素转化参数的敏感度远低于土壤水力学参数和作物参数。评价模型模拟效果的统计性指标(均方根误差、模型效率系数和一致性指数)表明,PEST法比实测水力学参数的模拟精度有所提高,其中土壤含水率、土壤硝态氮含量、作物产量和叶面积指数的均方根误差分别降低了61.8%、23.5%、73.6%和23.3%。同时PEST法比试错法对土壤水分和作物产量的模拟精度也有较大提高,但对土壤氮素和叶面积指数的模拟精度提高不明显。由于该方法大大节约了模型校准时间,在较短的时间内获得了明显高于试错法的模拟精度,因此PEST软件在WHCNS模型参数自动优化中是一个值得推广的工具。     

遥感与作物生长模型数据同化应用综述

遥感是获取大面积地表信息最有效的手段,在农业资源监测、作物产量预测中发挥着不可替代的重要作用;作物生长模型能够实现单点尺度上作物生长发育的动态模拟,可对作物长势以及产量变化提供内在机理解释。遥感信息和作物生长模型的数据同化有效结合二者优势,在大尺度农业监测与预报上具有巨大的应用潜力。该文系统综述了遥感与作物生长模型的同化研究,概述了遥感与作物生长模型数据同化系统的构建,在归纳国内外研究进展的基础上,总结了当前主流同化方法的特点以及在不同条件下的同化效果。进而具体分析影响同化精度的关键环节,明确了相关科学概念,并相应指出改善精度的策略或者方向。最后从多参数协同、多数据融合、动态预测、多模型耦合以及并行计算环境5个方面展望了遥感与作物生长模型数据同化的未来研究重点和发展趋势,同时结合农业应用现实需求,介绍一种数据同化与集合数值预报结合的应用框架,为大区域、高精度同化研究提供新的思路与借鉴。     

FACE对杂交籼稻汕优63干物质生产与分配的影响

2005--2006年利用我国惟一的农田开放式空气CO2浓度增高（FACE）研究平台,以三系杂交籼稻汕优63为供试材料,设计比大气CO2浓度（对照,370umol．mol^-1）高200umol．mol^-1的FACE处理（570umol．mol^-1）和施N量为125kg·hm^-2（LN）、250kg·hm^-2（NN）处理,研究其对汕优63物质生产与分配的影响。结果表明：（1）两季平均,FACE处理使汕优63移栽-分蘖中期、分蘖中期-拔节期、拔节-抽穗期和抽穗-成熟期干物质生产量分别比对照增加了39％、20％、32％和41％,结果使成熟期生物产量显著增加（＋33％）;（2）与干物质生产量相比,汕优63平均叶面积指数（LAI）和净同化率（NAR）对CO2的响应有相似的季节性变化趋势,但LAI的响应值明显大于NAR;（3）FACE处理使汕优63不同生育时期叶片和稻穗占地上部干重的比例下降,而使茎鞘占地上部干重的比例明显增加;（4）三系杂交籼稻汕优63成熟期生物产量以及不同生育阶段平均LAI、NAR和干物质生产量对FACE的响应与粳稻品种存在明显差异．而干物质分配差异较小。     

中国作物生长模拟监测系统构建及应用

该文系统阐述了中国作物生长模拟监测系统（Crop Growth Simulating and Monitoring System in China, CGMS-China）的构建方法及其在国家级农业气象业务中的应用。CGMS-China是基于WOFOST、Oryza2000、WheatSM、ChinaAgroys 4个作物模型构建的系统,在作物长势监测评估、农业气象灾害影响评估、作物产量预报等农业气象业务中均有应用。该系统可进行作物长势监测、产量预报、农业气象灾害影响评估。利用CGMS-China模拟输出的地上生物量、叶面积指数、穗质量,建立作物长势评估指标,可对小麦、玉米、水稻进行实时长势监测与评估。通过CGMS-China对2014年8月中旬华北黄淮夏玉米的干旱产量损失评估和2016年6月22日早稻高温热害的产量损失预估表明,CGMS-China对农业气象灾害影响评估的效果较好。利用CGMS-China对2014年冬小麦主产省进行产量预报,各省的平均预报相对误差为7%。与此同时,在CGMS-China中利用遥感数据同化方法,对山西洪洞县进行产量预报,预报相对误差小于11%。该系统在国家级农业气象业务中具有良好的应用前景。     

不同灌水水平下CROPGRO棉花模型敏感性和不确定性分析

基于过程的作物模型使用大量的品种和土壤参数来模拟作物生长和土壤水分变化。对于新的作物品种或新的环境,这些参数往往需要重新率定,然而许多参数难以通过实测获得。敏感性分析(sensitivity analysis,SA)可以量化模型输入参数对模型输出的影响,通过筛选出敏感性较大的参数进行率定,而把敏感性较小的参数设为固定值,可以极大简化参数率定过程,提高工作效率和模型模拟精度。为了给DSSAT-CROPGRO-Cotton模型应用于新疆地区进行棉花灌溉制度优化提供本地化的模型参数,对该模型进行了敏感性分析和不确定性分析。该文依据新疆石河子的棉花大田试验资料,应用Morris法和扩展傅里叶幅度敏感性检验(extend Fourier amplitude sensitivity test,EFAST)法对DSSAT-CROPGRO-Cotton模型3个灌水处理(60%ETC、80%ETC和100%ETC,ETC为作物蒸发蒸腾量crop evapotranspiration)下6个输出结果(初花天数、成熟天数、籽棉产量、地上干物质量、最大叶面积指数和蒸发蒸腾量)对于品种和土壤参数进行敏感性分析,并比较了2种方法的相关关系,最后对EFAST法的输出结果进行不确定性分析。相关分析结果显示,对于地上干物质量和最大叶面积指数,Morris法和EFAST法相关性介于0.87~0.93,对于模型结果成熟天数、籽棉产量和蒸发蒸腾量,2种方法相关性介于0.66~0.81。敏感性分析和不确定性分析结果显示,模型模拟灌水处理对初花天数无明显差异,且模拟初花天数和最大叶面积指数存在参数敏感性过于单一现象。模型参数敏感性随土层而不同:对于成熟天数,40~80 cm土壤参数的敏感性更强;对于地上干物质量和蒸发蒸腾量,80~120 cm土壤参数的敏感性更强,这可能是由于该地区气候干旱,下层土壤水分充足程度直接影响作物受到水分胁迫的程度,进而影响作物生长发育和蒸发蒸腾量。模型输出结果最大叶面积指数和蒸发蒸腾量存在一定程度的高估。该研究可提高CROPGRO-Cotton模型在新疆地区的模拟效率和模拟精度。     

臭氧胁迫对冬小麦干物质生产和产量构成的影响

利用开顶式气室（OTC）开展了大田实验条件下地表臭氧浓度增加对冬小麦干物质（DM）生产和产量构成的影响。结果表明,与对照组相比,100nL·L^-1臭氧熏气下干物质量略有降低,150nL·L^-1臭氧熏气下显著降低;100nL·L^-1和150nL·L^-1臭氧熏气下叶面积,净同化速率（NAR）变化规律不明显;100nL·L^-1和150nL·L^-1臭氧熏气都使抽穗期的叶/总干重增加,根/总干重下降,抽穗后根/总干重上升,而成熟期的各器官干重分配均没有达到显著性水平;100nL·L^-1臭氧熏气使单位面积穗数和空秕率显著降低,150nL·L^-1臭氧熏气使空秕率、单位面积穗数、穗粒数、穗粒重出现了显著或极显著降低,臭氧熏气对千粒重没有显著性变化。以上结果表明,NAR是影响干物质累积速度的关键因子,在不同生育阶段,通过干物质的分配,对小麦生长发育起关键作用的器官在一定程度上能够抵抗臭氧对其的损害。臭氧通过影响粒数和粒重使冬小麦减产。     

基于时间序列LAI和ET同化的冬小麦遥感估产方法比较

为了评估同化时间序列叶面积指数(leaf area index,LAI)和蒸散发(evapotranspiration,ET)产品对冬小麦产量估测的有效性和适用性,该文选择陕西省关中平原冬小麦为研究对象,以SWAP为作物生长动态模型,利用冬小麦关键生育期的遥感观测和SWAP模拟LAI、ET趋势变化信息构建代价函数,以SCE-UA作为优化算法最小化代价函数,重新初始化SWAP模型中的出苗日期和灌溉量2个参数。重点比较了基于向量夹角和一阶差分2种代价函数的冬小麦单产估测精度。结果表明,同化MODIS LAI和ET后,冬小麦产量的估测精度比未同化精度(r=0.57,RMSE=1 192 kg/hm2)有显著提高,并且基于向量夹角代价函数法同化策略的单产估测精度(r=0.75,RMSE=494 kg/hm2)高于一阶差分代价函数法(r=0.73,RMSE=667 kg/hm2)的估测精度。该方法为其他区域的水分胁迫模式下遥感与作物模型双变量数据同化提供了参考。