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。  

关于地理空间数据整合与持续高效更新存在的问题分析

文章针对当前地理空间数据整合与持续高效更新所存在的问题,在地理空间数据更新中引入了“数据同化”这一思想和概念,对持续高效更新存在的问题及“地理空间数据同化”的涵义和关键技术进行了论述.  

基于GOES数据和弱约束变分的地表水热通量估算

基于弱约束的四维变分方法和陆面过程模式发展了一个地表温度的陆面数据同化系统。本文反演了地球静止业务环境卫星(Geostationary operational environmental satellite,GOES)的地表温度,并将反演的地表温度同化入陆面过程模式,改进陆面过程模式中地表水热通量的估算精度。以弱约束的变分方法通过在代价函数中增加弱约束项代替陆面过程模式动力方程组中存在的模式误差,构建新的代价函数并对其优化,从而改善模式中显热与潜热的估算精度。将GOES地表温度与实测地表温度进行比较,其均方根误差(RMSE)作为试验中的观测误差。选择美国通量网AmeriFlux中2个主要农业站点的气象和通量数据作为试验数据,对同化系统进行驱动和验证。结果表明同化后的地表温度、潜/显热估算精度均有提高。其中,各站地表温度RMSE平均仅为1 K,显热通量平均RMSE下降22 W/m2,潜热通量平均RMSE下降26 W/m2。因此结合陆面过程模式的弱约束变分方法同化GOES反演温度产品估算近地表水热通量的方法是有效且可行的。  

基于数据同化的地下水埋深插值研究

以西北干旱区典型县域磴口县为研究区，以2015年8月份40个地下水采样点的样品数据为基础，引入集合卡尔曼滤波（EnKF）数据同化将其优化作为主变量，以蒸散发量反演结果以及归一化植被指数（NDVI）数据为协变量，进行协同克里金插值，同时与未采用同化的协同克里金插值结果以及经同化采用普通克里金插值结果进行交叉验证。结果表明：三者在较大空间尺度上对地下水埋深空间分布趋势的模拟基本一致，南部沙漠地区整体较高，在空间分布上表现为明显的地理规律性。同化后的数据进行协同克里金插值的结果改善最显著，平均误差、均方根误差、平均标准误差均优于未同化插值结果，其中平均误差仅为0.2705m。与普通克里金插值方法相比，协同克里金插值考虑蒸散发与NDVI的协同作用，精度明显提高，平均误差减小0.4097m，均方根误差减小0.0784m，平均标准误差减小1.0167m。  

基于粒子滤波和多变量权重的冬小麦估产研究

为了构建能够反映作物长势的综合性指标以及准确估测作物产量，采用粒子滤波算法同化CERES-Wheat模型模拟和基于Landsat数据反演的叶面积指数（Leaf area index，LAI）、地上生物量和0~20cm土壤含水率，获取冬小麦主要生育期以天为尺度的变量同化值，分析不同生育时期的LAI、地上生物量和土壤含水率同化值与实测单产的相关性，并应用熵值的组合预测方法确定不同状态变量影响籽粒产量的权重，进而生成综合性指数，并分析其与实测单产的相关性。结果表明，LAI、地上生物量和土壤含水率同化值和田间实测值间的均方根误差（Root mean square error，RMSE）以及平均相对误差（Mean relative error，MRE）均低于这些变量模拟值和实测值间的RMSE和MRE，说明数据同化方法提高了时间序列LAI、地上生物量和土壤含水率的模拟精度。基于不同状态变量的权重生成的综合性指数与实测单产间的相关性大于单个变量与实测单产间的相关性；基于综合性指数构建小麦单产估测模型，其估产精度（R2=0.78，RMSE为330kg/hm2）分别比基于LAI、地上生物量和土壤含水率建立模型的估产精度显著提高，表明构建的综合性指数充分结合了不同变量在作物估产方面的优势，可用于高精度的冬小麦单产估测。  

基于EnKF-3DVar模型的海淀区地表温度模拟

以城市化程度较深的北京市海淀区为研究区，基于2005年、2010年和2015年的遥感影像数据，利用基于影像（IB）的算法反演城市地表温度空间分布。将数据同化算法EnKF-3DVar与CA/Markov模型集成，将海淀区的多年平均臭氧浓度空间分布数据同化进行城市地表温度的模拟预测。结果表明海淀区的城市地表温度10年间呈现先下降后上升的趋势，但总体呈现下降趋势，其中2015年的平均温度为31.1393℃。引入EnKF-3DVar的预测模型能够显著提升模型的模拟精度，所预测的2015年的数据结果Kappa系数达到0.8216。在有城市公园绿地的模式下，地表温度高值区呈现缓解趋势，在无城市绿地公园的模式下，城市地表温度高值区呈现出明显的扩张趋势，最高温度达到了56.1423℃，城市生态绿地对于城市地表温度的空间分布影响巨大，合理布局城市绿地公园意义重大。  

基于EnKF-MCRP模型的生态用地扩张模拟研究

以生态脆弱区典型县域磴口县为研究区，基于2002、2007、2012、2015年4期遥感影像解译数据，将数据同化技术引入生态源地的变化模拟中，考虑生态障碍和生态阻力构建EnKF-MCRP模型，进行磴口县生态用地的变化模拟。结果表明，引入数据同化技术的EnKF-CA/Markov模型的模拟总精度达到82.4%，数据同化能够减少误差的积累。根据扩展能力磴口县生态源地共分为5个等级，其中3、4、5级生态源地的空间布局形成东北-西南、西北-西南的沙漠化防护格局。引入生态源地变化的EnKF-MCRP模型的生态用地扩张模拟精度最高，生态用地面积与空间布局最接近实际情况，方差达到0.4。此研究可为当前以及未来的生态用地规划和管理提供科学根据。