河南省冬小麦产量遥感监测精度比较研究

【目的】预测冬小麦产量,提高估产精度,为国家粮食生产安全宏观调控提供重要的数据和技术支撑。【方法】以河南省为研究区,利用时间序列MODIS-NDVI数据,结合河南省17个地市的产量数据以及河南省的冬小麦遥感监测面积数据,运用实时NDVI与产量数据建立线性模型、两年差值NDVI与对应的差值产量建立线性模型两种方法对河南省冬小麦产量进行预估,比较分析两种方法的精度。【结果】(1)两年差值归一化植被指数(dNDVI)明显比实时归一化植被指数(NDVI)更好地预估冬小麦产量。(2)实时NDVI预估单产产量相对误差基本可以满足要求,大部分在0.25以下,只有少数几个市(焦作、鹤壁、新乡、安阳)相对误差较高。(3)两年差值归一化植被指数(dNDVI)预估单产的整体误差均可以满足估产的要求,均在0.1以下。【结论】两年差值归一化植被指数(dNDVI)可以有效预测冬小麦产量,有利于提高估产精度。     

基于HJ小卫星影像的北京市冬小麦测产研究

粮食产量的估测对制定粮食政策和调整种植结构具有重要的意义。本研究以北京市为例,利用2013年4月30日、5月12日和5月29日三期冬小麦抽穗、灌浆时期的HJ小卫星NDVI数据,结合北京市实产地块数据建立了北京市冬小麦估产回归模型,并对北京市各区县和北京全市的冬小麦单产进行了估算。结果显示:分区县地块回归的北京市冬小麦主产区大兴、房山、通州和顺义的小麦单产分别为5148.96 kg/hm2、4849.30 kg/hm2、5350.64kg/hm2和5108.84 kg/hm2,P值分别为0.000、0.000、0.000和0.001;北京市全市的冬小麦单产为5049.24 kg/hm2,精度验证的结果显示实测单产和预测单产具有良好的对应关系,其R2=0.92,RE=2.18%,RMSE=154.61 kg/hm2。以上研究结果表明利用HJ小卫星的NDVI数据可以快速、准确的估算北京市及其各区县的冬小麦单产。     

基于遥感和WebGIS的冬小麦估产支持系统

【目的】建立Web环境下冬小麦估产的业务化运行体系,解决冬小麦遥感估产业务化运行不足,运行效率低等问题。【方法】基于面向对象的编程技术,采用Java语言,结合ESRI的开发包MapObject for Java以及管理工具ArcSDE、ArcCatalog和ArcIMS,通过在Web上集成遥感估产和GIS,构建了Web环境下的冬小麦估产支持系统。【结果】客户端通过浏览器访问远程服务器,可以实时地获取远程服务器发布的冬小麦生长信息,并进行产量预测,从而解决了遥感估产网络环境下的运行问题。【结论】本文提出了Web环境下的冬小麦估产研究方法和框架体系,实现了冬小麦估产业务化运行系统,系统运行结果良好,是对Web环境下遥感估产的探索性研究。     

基于气象资料的中国冬小麦收获指数模型

【目的】建立基于气象资料的中国冬小麦收获指数统计模型,为构建作物产量模型提供支持。【方法】获取河南、河北、山东合计30个农业气象观测站近20年冬小麦农业气象观测数据,利用时间序列分析方法提取趋势收获指数,收获指数观测值与趋势收获指数差值即为由气象要素决定的气象收获指数。采用逐步回归分析方法建立基于气象要素的冬小麦收获指数统计模型,模型模拟并反映气象要素变化对冬小麦气象收获指数的影响。【结果】冬小麦关键生育期气象要素与气象收获指数相关关系显著,但单站尺度和区域尺度的显著性水平存在差异。利用209组独立数据,分别在单站和区域尺度对建立的冬小麦收获指数模型进行了验证,单站尺度上模型模拟值与实测值的线性相关系数和斜率分别是0.65和0.4(2n=209,P0.001),均方根误差12.2%,平均偏差-2.4%,拟合指数75.8%,模拟效率42.3%;区域尺度上模型模拟值与实测值的线性相关系数和斜率分别是0.56和0.33(n=209,P0.001),均方根误差13.3%,平均偏差-1.3%,拟合指数为69.0%,模拟效率为31.7%。【结论】基于气象资料构建的冬小麦收获指数模型可以较好地模拟不同气象条件下冬小麦收获指数的动态,该模型可与作物NPP模拟模型相耦合,用于区域尺度上冬小麦产量的模拟研究。     

用PLS算法由HJ-1A/1B遥感影像估测区域冬小麦理论产量

【目的】作物遥感估产是遥感技术在农业生产中研究与应用的重点领域,能够向大田区域生产提供及时可靠的产量信息,准确地估测作物产量,对于确保国家粮食安全,制定社会发展规划,指导和调控宏观种植业结构调整,提高涉农企业与农民的经营管理水平具有重要意义,为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。通过筛选冬小麦理论产量的敏感遥感变量,构建基于国产影像的理论产量遥感估测模型,实现区域冬小麦理论产量遥感估测,为及时了解不同生态区域冬小麦产量丰欠变化趋势提供参考。【方法】以2010年4月26日、2011年4月28日、2012年4月28日和2013年5月2日冬小麦开花期四景HJ-1A/1B影像为遥感数据,提取出13个遥感变量,以江苏省泰兴、姜堰、仪征、兴化、大丰5县作为试验采样区,于各实验区选取具有代表性的样点进行采样,并于室内进行测定,将335个实测的冬小麦理论产量样本按3﹕2比例分成建模集和验证集样本,依据估算残差平方和处于最小值确定模型所需主成分数,将决定系数、均方根误差和相对误差为模型评价参数,利用建模集样本分析了卫星遥感变量与冬小麦理论产量的定量关系,运用偏最小二乘回归算法构建及验证了以理论单产为目标的多变量遥感估产模型,将其算法模型估产效果与线性回归算法和主成分分析算法模型进行比较,并制作了冬小麦理论产量空间等级分布图。【结果】理论产量与所选的大多数遥感变量间关系密切,且多数遥感变量两两间具有极显著的多重相关性;理论产量偏最小二乘回归模型的最佳主成分数为4,且结构加强色素植被指数、归一化植被指数、绿色归一化植被指数和植被衰减指数为理论产量遥感估测的敏感变量;经建模集和验证集评价,理论产量估测模型的决定系数分别为0.79和0.76,均方根误差分别为720.45和928.05 kg·hm^-2,相对误差分别为11.45%和13.92%,且估测精度比线性回归算法分别提高了25%以上和27%以上,比主成分分析算法分别提高了15%以上和16%以上,说明偏最小二乘回归算法模型估测区域理论产量的效果明显好于线性回归和主成分分析算法,且具有较强的应用能力。【结论】该模型应用结果与冬小麦理论产量实际区域分布情况相符合,为提高遥感对区域冬小麦理论产量的估测精度提供了一种有效途径,有利于大面积应用和推广。     

基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究

以河南省开封市为研究区,采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和,与冬小麦产量数据进行相关分析,筛选得到最佳遥感估产时相,建立单变量回归模型;同时,基于冬小麦生长的各个关键时期NDVI构建多元回归模型,再通过主成分分析方法对多元回归模型参数进行改进,得到新的估产模型;最后使用开封市2014年的产量数据对估产模型进行验证,旨在构建具有较高精度的估产模型,从而更好地指导小麦生产。结果显示,3种估产模型的估产误差均控制在10.55%内,根据3个模型得到研究区内冬小麦最佳产量预测时段为3月下旬,即拔节期;3个模型中,主成分回归估产模型的产量拟合精度最高,达93.12%,具有一定的实用价值。     

基于PLS 和组合预测方法的冬小麦收获 指数高光谱估测

【目的】通过遥感反演测量收获指数(HI),可节省时间和人力,但需要提高精度。通过权重最优组合算法改善收获指数估算精度,为基于多时相多光谱信息的HI遥感估算提供新方法参考。【方法】利用测定的冬小麦多个关键生育期的冠层光谱数据,对筛选的44种常用植被指数与实测收获指数进行相关性分析,挑选出每个育期中5种最优的典型植被指数;应用偏最小二乘(PLS)的方法建模,分别得到基于单个生育期光谱信息的HI遥感估测模型;借鉴组合预测原理,应用组合预测方法对全部单生育期的各HI光谱模型赋予最优权重,最终构建基于多生育期数据的HI光谱组合预测模型。【结果】(1)利用PLS后,单一生育期的建模结果较单一植被指数有所改进,但仍有待提高;(2)应用组合预测原理的HI组合预测模型,显著改善了HI的估测精度,R2达到0.55,较单生育期的建模预测,提升了13%。【结论】基于多生育期信息的组合预测方法,对各单一生育期HI预测模型赋予最优权重进行优化组合,实质间接利用了各生育期对作物HI形成的贡献,显著提高冬小麦收获指数的估测精度,是一种新颖的作物HI遥感估测方法。     

运用PLS算法由HJ-1A/1B遥感影像估测区域冬小麦理论产量

【目的】作物遥感估产是遥感技术在农业生产中研究与应用的重点领域,能够向大田区域生产提供及时可靠的产量信息,准确地估测作物产量,对于确保国家粮食安全,制定社会发展规划,指导和调控宏观种植业结构调整,提高涉农企业与农民的经营管理水平具有重要意义,为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。通过筛选冬小麦理论产量的敏感遥感变量,构建基于国产影像的理论产量遥感估测模型,实现区域冬小麦理论产量遥感估测,为及时了解不同生态区域冬小麦产量丰欠变化趋势提供参考。【方法】以2010年4月26日、2011年4月28日、2012年4月28日和2013年5月2日冬小麦开花期四景HJ-1A/1B影像为遥感数据,提取出13个遥感变量,以江苏省泰兴、姜堰、仪征、兴化、大丰5县作为试验采样区,于各实验区选取具有代表性的样点进行采样,并于室内进行测定,将335个实测的冬小麦理论产量样本按3﹕2比例分成建模集和验证集样本,依据估算残差平方和处于最小值确定模型所需主成分数,将决定系数、均方根误差和相对误差为模型评价参数,利用建模集样本分析了卫星遥感变量与冬小麦理论产量的定量关系,运用偏最小二乘回归算法构建及验证了以理论单产为目标的多变量遥感估产模型,将其算法模型估产效果与线性回归算法和主成分分析算法模型进行比较,并制作了冬小麦理论产量空间等级分布图。【结果】理论产量与所选的大多数遥感变量间关系密切,且多数遥感变量两两间具有极显著的多重相关性;理论产量偏最小二乘回归模型的最佳主成分数为4,且结构加强色素植被指数、归一化植被指数、绿色归一化植被指数和植被衰减指数为理论产量遥感估测的敏感变量;经建模集和验证集评价,理论产量估测模型的决定系数分别为0.79和0.76,均方根误差分别为720.45和928.05kg·hm-2,相对误差分别为11.45%和13.92%,且估测精度比线性回归算法分别提高了25%以上和27%以上,比主成分分析算法分别提高了15%以上和16%以上,说明偏最小二乘回归算法模型估测区域理论产量的效果明显好于线性回归和主成分分析算法,且具有较强的应用能力。【结论】该模型应用结果与冬小麦理论产量实际区域分布情况相符合,为提高遥感对区域冬小麦理论产量的估测精度提供了一种有效途径,有利于大面积应用和推广。     

基于PyWOFOST作物模型的东北玉米估产及精度评估

【目的】构建合理的作物估产方案,提高作物估产精度。【方法】本文以基于集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）构建的遥感信息-作物模型结合模型（PyWOFOST）为基础,建立了以LAI为结合点,适用于中国东北地区玉米的同化模拟模型,并使用MODIS LAI数据作为外部同化数据进行同化模拟,重点分析了遥感观测（MODIS LAI）和模型参数（出苗-开花期所需积温,TSUM1）的不确定性（即随机误差）对同化模拟结果的影响。最后,利用PyWOFOST模型实现了区域尺度上的玉米估产。【结果】同化外部观测数据后的玉米模拟产量较未同化外部数据的模拟产量有明显改善,20个未受灾害影响的农气站玉米产量同化前的模拟误差及在TSUM1的不确定性为0、10、20、30℃时的同化后模拟误差分别为14.04%、12.71%、11.91%、10.44%及10.48%;同化后的模拟LAI普遍较同化前的模拟LAI更接近实测LAI,更符合玉米LAI的变化趋势;同化前模拟发育期与实测发育期平均绝对误差为3.4 d,而同化后在TSUM1的不确定性为0、10、20、30℃时模拟发育期与实测发育期的平均误差分别为3.5、4.3、5.0、5.5 d。区域尺度上玉米估产结果表明,58.82%的区域玉米估产误差在15%以内,同化产量和统计产量的确定系数为0.806。【结论】基于集合卡尔曼滤波同化遥感信息进行作物估产是可行的。     

基于MODIS-NDVI的水稻遥感估产——以重庆三峡库区为例

以重庆三峡库区为研究对象,利用MODIS-NDVI为遥感特征参量,分析水稻关键生育期的长势并对产量进行预测.考虑到NDVI数据饱和的局限性,选取库区各区县0.2～0.8范围内的NDVI值与作物产量建立水稻估产模型,进行相关性分析,估算出的水稻产量表明,各关键生育期的相关性系数均在0.75以上,且与实产数据对比表明,各区县预测精度均在90%以上,可见利用MODIS-NDVI能够有效的进行水稻监测和估产.     

分布式水文模型在徒骇马颊河流域灌溉管理中的应用Ⅰ.参数率定和模拟验证

【目的】建立徒骇马颊河流域的分布式水文模型,为进行该地区灌溉制度优化提供支持。【方法】首先运用洗牌复形演化（SCE-UA）算法在禹城试验站和洪门试验站对分布式水文模型（SWAT）中的作物参数进行率定,接着以遥感监测的蒸散数据为目标,应用拉丁超立方-单次单因素（LH-OAT）方法对蒸散发（ET）相关的参数进行了敏感性分析,用序贯不确定性（SUFI-2）算法优化出一套参数范围并进行不确定性分析。在此基础上,在考虑模型不确定性的情况下对冬小麦－夏玉米轮作体系产量的长期模拟结果进行验证。【结果】作物参数率定结果表明,禹城试验站上冬小麦和夏玉米产量的相对误差分别为7.02%和16.60%,洪门试验站上冬小麦和夏玉米产量的相对误差分别为0.09%和0.10%。ET参数率定和统计年鉴产量验证结果：除了NS系数,P_factor、R_factor以及R2的模拟精度较高。【结论】依据徒骇马颊河流域的特点进行SWAT模型相关参数的率定,得到较好的模拟结果,为进一步深入研究该地区水分生产函数和优化灌溉制度打下了基础。     

基于高光谱遥感和集成学习方法的冬小麦产量估测研究

【目的】利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值。【方法】以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花期、灌浆前期和灌浆中期的冠层高光谱数据,分别以6种机器学习方法和集成方法建立光谱指数产量估测模型。【结果】2种灌溉处理下,3个生育期各光谱指数均与产量呈极显著相关（P<0.0001）,且表现出较高的遗传力（0.61-0.85）,主要受遗传因素控制。在正常灌溉处理下,与传统机器学习方法表现最佳的模型相比,集成学习方法在3个生育期的平均决定系数(R²) 分别由0.610、0.611和0.640提高至0.649、0.612和0.675,平均均方根误差 (RMSE) 分别降低至0.607、0.612和0.593 t·hm^-2;节水处理下,3个生育期的平均R²分别由0.461、0.408和0.452提高至0.467、0.433和0.498,平均RMSE分别降低至0.519、0.559和0.504 t·hm^-2。【结论】利用集成方法将不同模型估测结果进行结合,能够有效地提高产量估测精度,2种灌溉处理下均在灌浆中期估测精度最佳,可为冬小麦育种工作中产量估测提供参考。     

基于开花期卫星遥感数据的大田小麦估产方法比较

【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。     

基于高光谱成像估测冬小麦不同生育时期水分状况

【目的】研究实时、快速估测冬小麦不同生育时期水分状况并构建模型,为冬小麦水分精准管理提供科学依据。【方法】以新疆典型滴灌冬小麦为研究对象,应用高光谱成像技术获取冬小麦冠层光谱信息,并对原始光谱反射率进行平滑和数据变换,利用一元线性回归(Simple linear regression,SLR)、主成分回归(Principal components regression,PCR)和偏最小二乘回归(Partial least squares regression,PLSR)3种建模方法,对冬小麦冠层原始光谱及变换光谱分别构建植株水分含量估测模型。【结果】冬小麦冠层原始光谱反射率与植株水分含量相关性不高,对原始光谱反射率进行数据变换可以显著增强与水分含量的相关性和相关波段数,其中倒数一阶微分变换与冬小麦植株水分含量的相关系数最大,为-0.893 0,但不同变换最优相关系数所对应的波段位置并不固定。PLSR方法的模型精度最高,对数变换的PLSR模型估测精度最高,模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.880 8、3.251 2%、2.934 3;冬小麦不同生育时期估测模型精度存在差异,拔节期、抽穗期估测模型精度较低,灌浆中期最高,其估测模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.904 8、1.381 1%、3.454 7。【结论】利用高光谱成像技术对估测冬小麦植株水分含量是可行的,在灌浆中期的估测效果最佳。     

DNDC模型在曲周试验站的参数灵敏度分析及率定

【目的】基于河北省曲周试验站的试验数据,对DNDC模型的参数进行详尽的灵敏度分析和标定。【方法】采用独立参数扰动法进行参数的灵敏度分析,运用试错法对参数进行标定。【结果】在曲周试验站,标定模拟的土壤剖面体积含水量动态的精度较高,平均归一化均方根误差（NRMSE）为22.41%。对于土壤氧化亚氮释放量的模拟,则呈现出明显的季节变化趋势并有效地捕捉到其峰值所在。模型标定模拟的冬小麦叶面积指数、地上部分生物量和产量的NRMSE分别为27.04%、30.46%和28.10%;标定模拟的夏玉米叶面积指数、地上部分生物量和产量的NRMSE分别为28.49%、25.15%和26.92%。【结论】以上标定模拟的精度就田间实际情况而言,总体是可以接受的。经过详细参数标定后的DNDC模型将为深入探讨不同农田管理措施下,实现作物增产和农业减排双赢局面提供科学有效的途径。     

基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数（normalized difference red edge,NDRE）和归一化植被指数（normalized difference vegetation index,NDVI）,基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R²达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE（relative NDRE,RNDRE）和相对NDVI（relative NDVI,RNDVI）构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R²大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。     

基于EFAST方法的AquaCrop作物模型参数全局敏感性分析

【目的】敏感性分析是作物模型本地化过程中的重要环节,对作物模型的校正与应用有重要的意义。【方法】本研究以国家精准农业示范研究基地2012—2013、2013—2014和2014—2015年冬小麦试验为研究对象,采用全局敏感性分析方法扩展傅里叶幅度检验法(Extended Fourier Amplitude Sensitivity Test,EFAST)对AquaCrop模型42个作物参数进行敏感性分析,以评估模型在北京地区的敏感参数。【结果】(1)对干生物量敏感作物参数是:水分和温度胁迫参数(生物量生产的最小生长度(stbio),引起冠层早衰的土壤水分消耗上限(psen))、生物量和产量参数(归一化水分生产力(wp))、蒸散参数(作物冠层形成后到衰老之前的作物系数(kcb))、作物冠层和物候发展参数(冠层生长系数(cgc),从播种到出苗时长(eme),最大冠层覆盖度(mcc),冠层衰老系数(cdc),从播种到成熟的时长(mat),产量形成过程中收获指数的建立长度(hilen))。其中stbio,kcb,wp和cgc 4个作物参数敏感性指数最大;(2)对冠层覆盖度最敏感的参数是:作物冠层和物候发展参数(cgc,mcc,每公顷株数(den),出苗率达到90%时的土壤覆盖度(ccs),mat和cdc)、根区发展参数(最大有效根深(rtx))、水分和温度胁迫参数(psen)、蒸散参数(kcb);(3)对产量最敏感的参数是作物冠层和物候发展参数(从播种到开花时长(flo),mat,cdc,hilen和从播种到开始衰老时长(sen))、水分和温度胁迫参数(psen)、生物量和产量参数(参考收获指数(hi)和wp)、蒸散参数(kcb)。【结论】利用EFAST方法对AquaCrop模型中的作物参数进行一阶和全局敏感分析,最大干物量的敏感性分析结果以及干生物量随时间变化的敏感性分析结果显示,敏感性参数的选择上差异不大,但排序上存在较大的差异,最大干生物量的敏感性分析不能分析作物参数对干生物量在整个生育期的影响,结果不全面;冠层覆盖度随时间变化的一阶和全局敏感性分析结果显示,在敏感参数的选择和排序上均有较好的一致性,全局敏感性分析中作物参数的敏感性指数更高,对冠层覆盖度的影响表现得更明显。本研究结果用于AquaCrop模型本地化,可提高该模型在北京地区的模拟效率和模拟精度。     

基于AquaCrop模型的北京地区冬小麦水分利用效率

【目的】作物水分利用效率(water use efficiency,WUE)是农业水分管理与决策的重要指标。北京是严重缺水的城市,其主要种植作物冬小麦灌溉用水占比高,开展冬小麦产量水分利用效率的分析研究,可为北京地区的冬小麦节水灌溉与增产平衡提供决策信息支持。【方法】利用2011—2012、2012—2013和2013—2014年国家精准农业示范研究基地冬小麦不同生育期不同灌溉处理下的田间实测数据,对AquaCrop作物模型进行参数本地化。统计北京地区2004—2014年冬小麦生育期的日降雨量数据,利用Pearson-Ⅲ型分布划分了3种降雨年型:湿润年(2012—2013年生育期)、平水年(2009—2010年生育期)和干旱年(2005—2006年生育期)。应用AquaCrop研究分析了3种不同降雨年型、14种灌溉情景下冬小麦籽粒产量水平和产量水分利用效率特征变化。【结果】基于AquaCrop模型的产量模拟值和实测值的R 2、RMSE和d分别为0.99、0.3 t·hm~(-2)、0.99。模型模拟的冬小麦产量水分利用效率:2011—2012年正常灌溉条件下为1.72 kg·m~(-3),2012—2013年正常灌溉条件下为1.67 kg·m~(-3),2013—2014年雨养、正常灌溉和过量灌溉条件下分别为1.27、1.74和1.64 kg·m~(-3),正常灌溉条件下产量水分利用效率最高,其次是过量灌溉,雨养条件下产量水分利用效率最低。在此基础上应用AquaCrop模型模拟分析了3种不同降雨年型冬小麦籽粒产量和产量水分利用效率随灌溉量变化的响应特征,其中,湿润年产量水分利用效率和籽粒产量达到最大值时所需的灌溉量分别为35和50 mm;平水年达到最大值所需的灌溉量分别为35和40 mm;干旱年达到最大值所需的灌溉量均为65 mm。【结论】AquaCrop模型可以很好预测北京地区不同年份不同灌溉条件下冬小麦的籽粒产量和产量水分利用效率。冬小麦产量与产量水分利用效率均随着灌溉量的增加逐渐增大,至最大值后开始减小,在干旱的情况下,植物通过自身适应策略会提高水分利用效率,随着水分的增加,水分利用率将降低,因此3种不同年型的产量水分利用效率的大小顺序依次为干旱年、平水年和湿润年。因此,在制定冬小麦灌溉策略时,要做到产量和产量水分利用效率兼顾。以上研究结果表明,利用Aqua Crop模型可以为北京地区冬小麦田间灌溉和决策提供指导。关于降雨年型本研究仅对湿润年、平水年和干旱年3种年型在越冬期、返青期、拔节期、开花期和灌浆期不同灌溉量和籽粒产量和产量水分利用效率之间的关系进行模拟,对于不同时期不同灌溉量对籽粒产量和产量水分利用效率的影响没有考虑,需要进一步研究验证。