| 基于4DVAR和EnKF的遥感信息与作物模型冬小麦估产 |
| |
| 引用本文： | 刘正春,徐占军,毕如田,王超,贺鹏,杨武德.基于4DVAR和EnKF的遥感信息与作物模型冬小麦估产[J].农业机械学报,2021,52(6):223-231. |
| |
| 作者姓名： | 刘正春 徐占军 毕如田 王超 贺鹏 杨武德 |
| |
| 作者单位： | 山西农业大学 |
| |
| 基金项目： | 国家重点研发计划项目（2018YFD020040103） |
| |
| 摘 要： | 为了提高遥感信息与作物模型同化的估产精度，以山西省晋南地区的3个县为研究区，采用四维变分（Four-dimensional variational, 4DVAR）和集合卡尔曼滤波（Ensemble Kalman filter, EnKF）两种同化算法将高时空分辨率Sentinel多源数据反演的叶面积指数（Leaf area index, LAI）、土壤含水率（θ）和CERES-Wheat模型进行同化，对比两种算法同化LAI和θ的性能，并进行冬小麦产量估测。结果表明：两种同化算法均能结合遥感观测和作物模型模拟的优势，相比模型模拟值，同化精度均有所提高；4DVAR-LAI和4DVAR-θ的均方根误差 (Root mean square error, RMSE)分别比EnKF-LAI和EnKF-θ低0.1490m2/m2、0.0091cm3/cm3，且根据遥感实际监测值4DVAR-LAI更能精确识别冬小麦的物候期，与实际冬小麦生长发育的物候期更相符，因此在Sentinel多源数据与CERES-Wheat模型同化中，4DVAR算法的性能更好；由4DVAR同化后的LAI和θ双变量建立的估产模型，RMSE和平均相对误差（Mean relative error，MRE）小于CERES-Wheat模型模拟估产的RMSE和MRE，说明估产模型的估产误差小，采用4DVAR算法同化Sentinel多源数据与CERES-Wheat模型有效提高了冬小麦区域估产精度。
|
| 关 键 词： | 冬小麦 估产 四维变分 集合卡尔曼滤波 Sentinel多源数据 CERES-Wheat模型 |
| 收稿时间： | 2021/2/24 0:00:00 |
Winter Wheat Yield Estimation Based on Assimilated Remote Sensing Date with Crop Growth Model Using 4DVAR and EnKF |
| |
| LIU Zhengchun,XU Zhanjun,BI Rutian,WANG Chao,HE Peng,YANG Wude.Winter Wheat Yield Estimation Based on Assimilated Remote Sensing Date with Crop Growth Model Using 4DVAR and EnKF[J].Transactions of the Chinese Society of Agricultural Machinery,2021,52(6):223-231. |
| |
| Authors: | LIU Zhengchun XU Zhanjun BI Rutian WANG Chao HE Peng YANG Wude |
| |
| Institution: | Shanxi Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | winter wheat yield estimation four-dimensional variation ensemble Kalman filter Sentinel multi-source data CERES-Wheat model |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
