基于作物生长模型与机器学习算法的区域冬小麦估产

为精准、高效、实时地实现区域冬小麦产量估算,以河南省鹤壁市淇县桥盟乡石桥村为研究区,基于分辨率10 m的Sentinel-2多时相光学遥感影像,利用集合卡尔曼滤波(Ensemble Kalman filter, EnKF)算法同化PROSAIL辐射传输模型反演的多期叶面积指数(Leaf area index, LAI)到PyWOFOST作物生长模型中实现一定数量不同长势单点产量的估测,最后利用建立的机器学习模型和面域数据反演区域冬小麦产量,实现作物生长模型与机器学习算法的应用耦合及一种新的区域冬小麦估产模式。研究基于Sobol参数敏感性分析法量化对贮藏器官总干重质量(Total dry weight of storage organs, TWSO)与LAI_max的敏感性参数,并基于反演的多期LAI和粒子群优化(Particle swarm optimization, PSO)算法优化与LAI_max相关的TDWI、TBASE、CVS、CVL敏感性参数,将其输入到PyWOFOST模型中,利用EnKF算法和时序LAI数据调整对TWSO相关的AMAX...     

基于LAI和VTCI及粒子滤波同化算法的冬小麦单产估测

为进一步提高冬小麦单产的估测精度和验证粒子滤波算法在同化研究中的适用性,以陕西省关中平原为研究区域,以叶面积指数(LAI)和条件植被温度指数(VTCI)为同化系统的状态变量,采用重采样粒子滤波算法同化CERES-Wheat模型模拟的与遥感数据反演的LAI和VTCI,并依据在不同类型样点应用最优同化LAI和VTCI构建的单产组合估测模型对2008—2014年冬小麦单产进行估测。结果表明,同化LAI具有良好的时间和空间连续性,可减缓CERES-Wheat模型模拟LAI的剧烈变化,其峰值出现时间与遥感LAI变化趋势基本同步,更加符合关中平原冬小麦实际变化情况;同化VTCI能同时表达模型模拟值和遥感观测值的变化趋势,且更能反映冬小麦对水分胁迫的敏感性。比较不同类型样点基于不同同化变量建立的估产模型,发现在旱作样点,同时同化VTCI和LAI的单产估测结果(R2=0.531)优于单独同化VTCI(R2=0.475)或LAI(R2=0.428)的估测结果,且同时同化VTCI和LAI与实测产量间相关性达极显著水平(P0.001);而在灌溉样点单独同化LAI的估测结果精度最高(R2=0.539),同时同化VTCI和LAI的估测结果次之(R2=0.457),单独同化VTCI的估测结果较差(R2=0.243)。表明在旱作样点,冬小麦叶面积指数和水分胁迫是影响其产量形成的主要因子,而在灌溉样点,叶面积指数是影响冬小麦产量形成的主要因子。     

顺序同化不同时空分辨率LAI的冬小麦估产对比研究

选择PyWOFOST模型为动态模型,以叶面积指数(LAI)为状态变量,遥感LAI为观测值,采用集合卡尔曼滤波(En KF)同化算法,研发了一种遥感LAI与作物模型同化的区域冬小麦产量估测系统。为消除云的污染,采用Savitzky-Golay(S-G)滤波算法重构时间序列MODIS LAI;通过构建地面观测LAI与3个关键物候期Landsat TM植被指数回归统计模型,获得区域TM LAI;通过融合3个关键物候期的TM LAI与时间序列S-G MODIS LAI,生成尺度转换LAI。对比分析3种不同时空分辨率的遥感LAI的同化精度,研究结果表明,同化尺度转换LAI获得了最高的同化精度,与官方县域统计产量相比,在潜在模式下,决定系数由同化前的0.24提高到0.47,均方根误差由602kg/hm2下降到478 kg/hm2。结果表明,遥感观测与作物模型的尺度调整对提高冬小麦同化模型精度具有重要作用,遥感LAI与作物模型的En KF同化方法是一种有效的区域作物产量估测方法。     

基于MODIS与WOFOST模型同化的区域冬小麦成熟期预测

针对遥感技术只能获取作物的表征信息、对作物内在机理过程变化描述较为困难的问题,引入作物生长模型与遥感数据同化进行作物成熟期预测研究。以叶面积指数(LAI)作为耦合变量,以MODIS LAI(MCD15A3H产品)作为遥感数据源,结合2017—2018年实时气象数据以及气象预报数据,以2018年5月1日为预报时间节点,构建LAI归一化代价函数,采用复合形混合演化算法(Shuffled complex evolution-University of Arizona,SCE-UA)最小化代价函数,优化WOFOST作物模型的输入参数,用优化后的参数重新驱动WOFOST模型逐像元模拟冬小麦生长过程,得到研究区冬小麦成熟期的预测结果,并使用研究区内农业气象站点的观测数据进行验证。结果表明,冬小麦预测开花期、成熟期的均方根误差(RMSE)分别为2. 10、2. 48 d,预测精度较高。该方法能够为农作物的大区域成熟期预测提供重要理论基础。     

气候变化影响下作物模型的不确定性

作物生理生长过程准确描述及产量的精确估计在社会食品安全和农业生产中起着至关重要的作用.作物生长模型作为一种监测作物生长的数值模拟方法,已被证明是作物生长、产量预测和情景分析的有力工具.然而,在当前气候变化背景下,气候走向的不确定性以及极端气候事件的增加,都对粮食生产产生了重大影响,如何对作物生长进行准确模拟成为当前的热点关注话题.同时,除了气候变化的不确定性外,由于作物模型本身是实际作物生长过程的简化,物理结构并不完美,同时数据采集的随机性和初始条件的区域异质性,导致模拟结果不确定性较大.因此,在论述作物模型的国内外研究进展的基础上,探讨气候变化的不确定性对作物模型的影响以及作物模型本身的不确定性,概述了模型-数据融合方法的类型及特点,以及区域尺度上作物模型与遥感数据结合所采用的减小不确定性的方法,以期为相关研究提供一定参考.     

基于动态模拟的作物系数优化蒸散量估算研究

通过作物生长模型动态模拟的冬小麦全生育期潜在蒸散量和实际蒸散量计算冬小麦各生育时期的模拟作物系数,并与FAO提供的冬小麦各个生长阶段的标准作物系数对比,验证了其数值和变化趋势的准确性。基于地面实测和遥感反演的叶面积指数,建立了作物系数与叶面积指数的经验对数模型,根据遥感反演的叶面积指数获取冬小麦全生育期以天为步长的区域尺度的作物系数。利用冬小麦各生育时期模拟作物系数与以天为步长的区域尺度作物系数的比值优化蒸散量模型,获取关中平原2013—2014年冬小麦全生育期优化前后的蒸散量反演结果。通过与实测数据对比,发现优化前最大相对误差为14.36%,优化后最大相对误差为9.89%,优化后的蒸散量反演模型比未优化的蒸散量反演模型能够更加准确地反演冬小麦全生育期的蒸散量,特别是在低植被覆盖条件下的反演精度有明显的提升。     

基于PEST的RZWQM2模型参数优化与验证

根据糯玉米-冬小麦田间喷灌试验不同处理结果,利用独立的自动参数估计软件PEST对RZWQM2模型进行参数优化,并分析了24个模型参数的综合敏感度。通过控制不同观测变量(土壤含水率、土壤氮素含量、作物叶面积指数、产量)模拟差异函数值在目标函数中的比重,优化目标方程,确定模型参数,并用田间试验数据对模型进行验证。结果表明,在不同观测变量的模拟差异函数值最接近条件下,冬小麦出叶间隔特性参数、冬小麦春化作用敏感特性参数及糯玉米出叶间隔特性参数等3个参数对模型整体模拟效果影响最大。相比试错法而言,基于PEST优化的RZWQM2模型能够更准确地模拟糯玉米-冬小麦轮作系统中水分、氮素及作物生长情况。     

基于RZWQM模型的冬小麦—夏玉米水氮管理评价

利用2010和2011年在中国科学院通州农田水循环与现代节水灌溉试验基地获取的冬小麦-夏玉米轮作条件下不同水肥管理时的试验数据,对RZWQM(Root zone water quality model)模型中的土壤水分、氮素和作物模块进行率定和验证,模型验证结果表明各土层土壤含水率的均方根误差(RMSE)和相对误差(MRE)分别在0.015~0.026 cm3/cm3和-6.66%~5.83%之间变化,土壤贮水量模拟值与实测值一致;冬小麦和夏玉米产量、吸氮量的模拟值与实测值的相对误差(RE)小于25%。该结果表明率定和验证后的RZWQM模型能够用来模拟华北地区冬小麦-夏玉米轮作条件下土壤水、氮及作物动态变化。利用率定和验证后的模型分析对比了常规施氮条件下,不同喷灌灌水频率和传统灌溉方式对作物产量和氮素渗漏的影响。结果表明在灌溉总水量相同的条件下,当20 cm蒸发皿累积蒸发量为30~70 mm时开始灌溉,其作物产量高且氮素渗漏量和损失量小。综合考虑作物产量和环境效应,推荐较优的喷灌灌溉频率为累积蒸发量为30~70 mm时开始灌溉。     

农田水盐运移与作物生长对亏水滴灌的响应和模拟研究

为探究西北干旱地区农田水盐运移与作物生长对亏水滴灌的响应以及层状土壤中水分溶质运移和作物生长耦合模型(Layered soil water-solute transport and crop growth model,LAWSTAC)的适用性,设置3种水分处理W100、W70、W40,分别表示灌溉需水量的100%、70%和40%,于2018年在农业农村部作物高效用水武威科学观测实验站进行了大田试验。结果表明:在制种玉米生长苗期,单次灌水后,浅层(0~20 cm)土壤含盐量降低;经全生育期灌溉后,灌水量越大,浅层脱盐和深层积盐现象越明显。3种水分处理下灌水量越多的处理,制种玉米叶面积指数(LAI)和最终地上生物量越高,作物长势越好。LAWSTAC模型能较好地模拟农田水盐运移和制种玉米的生长过程;各处理LAI模拟值与实测值之间的决定系数R^2均为0.99,RMSE为0.20~0.87 cm^2/cm^2;各处理地上生物量的模拟值与实测值的R^2均为0.99,RMSE为1.62~3.57 t/hm^2,说明LAWSTAC模型可以较为准确地模拟制种玉米LAI、地上生物量的动态变化。0~80 cm土层贮水量的模拟结果表明,各处理R^2为0.41~0.61,RMSE为12~21 mm;0~80 cm土壤盐分质量浓度的模拟结果表明,各处理R^2为0.53~0.60,RMSE为1.37~2.56 g/L,效果较好。因此,LAWSTAC模型可为当地复杂土壤条件的农田进行生产力的初步预测与评估。     

基于SIMDual_Kc模型估算非充分灌水条件下冬小麦蒸散量

为研究关中冬小麦植株蒸腾和土壤蒸发规律,利用2 a冬小麦小区控水试验实测数据,率定和验证了双作物系数SIMDual_Kc模型在关中地区的适用性.用大型称重式蒸渗仪的实测蒸散量值(或水量平衡法计算值)与模型模拟值进行对比.结果表明:SIMDualKc模型可较准确地模拟关中不同水分条件下冬小麦蒸散量,且模拟精度较高.模型估算的平均绝对误差为0.643 3 mm/d.模型估算的冬小麦初期、中期和后期的基础作物系数分别为0.35,1.30,0.20.另外,模型还可以较准确地估算不同水分供应条件下的土壤水分胁迫系数、土壤蒸发量和植株蒸散量.冬小麦整个生育期,土壤蒸发主要发生在作物生育前期,中期较低,后期略微增大;植株蒸腾主要发生在作物快速生长期和生长中期,整个生育期中呈先增大后减小的趋势.