作物模型应用与遥感信息集成技术研究进展

作物模型和遥感技术以各自独有的优势在作物生产监测、评估及未来预测等方面发挥着关键作用。作物模型与遥感信息集成技术在大尺度、高精准的农业生产监测、评估与预测上具有明显的应用优势和广阔的发展前景。为了促进这些技术在区域尺度上的作物产量预测、农业气象灾害影响评估及农业应对气候变化决策等方面更加广泛地应用,本文采用文献综述的方法,系统归纳了欧洲、美国、澳大利亚及中国作物模型的发展与应用,总结了当前主流的数据集成方法的原理、特点和不足,概述了作物模型与遥感信息集成技术的实际应用,探讨了提升数据集成精度存在的问题,并对未来研究方向进行展望。结果表明,国内外对于作物模型及其与遥感数据集成的研究与应用广泛而深入,利用同化方法能够有效提高作物模型模拟精度,为作物模型实现区域尺度作物生长及产量评估、气候变化对产量影响、农田管理决策等提供技术支撑。作物模型模拟结果及遥感反演数据的不确定性、数据同化策略的多样性以及尺度效应是进一步提高集成系统精度与效率的限制因素。因此,遥感数据多源融合、同化过程多变量协同、作物模型多类型耦合以及数据高性能并行计算是未来作物模型与遥感数据集成研究的发展趋势。     

基于侵蚀条件下的作物生产力模型研究

土壤侵蚀是影响农业作物生产力发挥的重要制约因素。首先对土壤侵蚀与生产力的关系以及作物模型作了一个简单概述，然后从作物生产力的角度对目前4种基于土壤侵蚀条件下的作物生产力模型进行了评述，并认为只有建立能够将土壤侵蚀模型和生产力模型有机结合为一体的作物生产力模型，才能使得所建立的模型能够有效地预测土壤侵蚀条件下的作物生产力。     

作物生长模型的应用研究进展

作物生长模型不仅能够进行单点尺度上作物生长发育的动态模拟,而且能够从系统角度评价作物生长状态与环境要素的关系。本文通过梳理当前作物生长模型应用的诸多研究成果,剖析模型在气候变化对农业生产影响研究、作物生长模型区域应用中的关键问题,总结了当前以作物生长模型为核心的农业决策支持系统开发的研究情况,意在促进作物生长模型在生态、农业、区域气候资源和气候变化等研究中更广泛地应用。结果表明,作物生长模型在国内外的研究与应用广泛而深入,在气候变化背景下,应用作物生长模型进行历史时期气候条件和农业气象灾害对作物生产状况和产量的影响研究已相当广泛且相对成熟。利用全球气候模式（GCM）或区域气候模式（RCM）构建未来气候变化情景,再与作物生长模型耦合已发展成为评估未来气候变化对农业生产影响的重要手段。通过集成与整合多作物生长模型、多气候模式集合模拟、优化气候模拟数据订正方法可有效降低气候变化对农业生产影响评估的不确定性。遥感数据同化技术能够将站点模型运用到区域尺度上评价不同环境因子对农业生产的影响,拓宽了作物生长模型的应用尺度范围并有效提高作物产量估算的精度。以作物生长模型为核心的农业决策支持系统的研究与应用越来越多元化,是辅助农业生产管理和决策的重要工具。然而,由于作物生态系统的复杂性,作物生长模型模拟结果仍存在很大的不确定性,今后对作物生长机理及过程间耦合机制的探索还需加强,以便进一步完善和改进模型,促进作物生长模型更广泛地应用。     

遥感数据和作物模型集成方法与应用前景

为了促进遥感数据和作物模型集成这一新方法在农业领域中更广泛的应用,在分析遥感数据和作物模型农业应用中各自优缺点的基础上,阐明二者结合的必要性,并介绍了遥感数据和作物模型的3种集成方式.回顾了遥感数据和作物模型同化的研究进展,并重点分析了遥感数据和作物模型结合在农作物产量预测、品质遥感预报、精准施肥管理决策、精准灌溉决策等领域的应用潜力,最后指出了当前遥感数据和作物模型结合中存在遥感定量化、参数集和驱动数据的获取、最优化算法选择和改进、作物模型的完善和订正等问题,有望随着遥感数据源的丰富、定量遥感和作物模型的发展、以及同化理论的进一步完善得到解决.     

作物模型研究进展

作物模型的研究和应用有利于科研成果的综合集成、作物种植管理决策的现代化和辅助国家决策,是农业研究中的重要工具。一个完整的作物模型一般包括作物生长模块、水分运动模块与氮素迁移转化模块。这三者相互联系,相互影响。本文对上述3个模块的发展历程以及应用比较广泛、综合性比较强的几个模型进行综述,对比各自的优缺点,指出了作物模型今后的发展方向。     

作物模型研究与应用中存在的问题

该文以CERES-Wheat、Maize模型为例,系统阐述了作物模型的研究与应用发展情况,分析了模型当中仍然存在的问题,指出在冠层结构与作物光能截获计算方法和作物水分、养分对生长过程的胁迫机理与定量方法方面需要深入的实验研究,以探索其机理,提高模型模拟预测性能。该文强调指出目前绝大多数的作物模型是空间一维的田间尺度模型,借鉴区域生物地球化学循环模拟方法或与分布式水文模型耦合进行尺度扩展开发区域尺度作物模型,既是区域水、土资源评价与管理的应用需求,也将能促进作物模型发展并发挥更大作用。     

基于多库融合的作物模型资源仓库

构建作物模型资源仓库(CMRW)有助于模型资源的组织、集成、积累和管理.该文提出CMRW可由作物模型实验数据库、框架库、算法库和方案库组成,具有模型结构与建模流程并重以及多库融合的特点,可通过模型资源生命周期的变化提升其价值.研究以关系型数据库技术为基础,采用虚节点方法扩展作物模型结构,利用"知识页 算法知识组 算法单元"方式组织建模知识,结合刻面分类方法描述模型组件属性,并综合基础数据库和方案数据库信息,将作物模型框架库、算法库、实验数据库和方案库共同转化为CMRW的关系数据模型.并在Microsoft SQL Sezver数据库平台上,建立了小麦生长模型资源仓库,实现了作物模型构件库、建模知识库和实验数据库的多库融合,为作物模型集成与重用积累资源.     

不同时间尺度太阳辐射数据对作物生长模型的影响(英)

逐日太阳辐射数据是作物模拟模型的重要输入参数之一。然而,在很多情况下,候、旬、月尺度的辐射信息相对容易获取。该文利用长时间序列(1961-2000)逐日太阳辐射数据,分别建立研究区候、旬、月不同时间尺度太阳辐射数据库,利用两个常用的作物生长模型(CERES-Maize和CGOPGRO-Soybean),以逐日数据(太阳辐射和模拟结果)为基准,分别探讨在雨养和灌溉条件下,不同时间尺度太阳辐射数据对作物生长模型的影响。结果表明:在不同时间尺度下,模型的输出(花期和作物产量)都接近于基准值。总体来看,两个模型模拟的花期平均误差和平均相对误差均接近于0,均方根误差为3.5d;CERES-Maize模型的模拟产量低于基准值,而CGOPGRO-Soybean的模拟结果高于基准值。在雨养和灌溉条件下,CERES-Maize的平均相对误差和均方根误差分别为-0.59%,120kg/hm2和-0.52%,129kg/hm2,CGOPGRO-Soybean的平均相对误差和均方根误差分别为5%,152kg/hm2和4.7%,165kg/hm2。短期数据误差(RMSE)是影响模型精度的主要因素。CGOPGRO-Soybean模型对不同时间尺度太阳辐射数据和水情信息比CERES-Maize模型敏感。当缺少逐日太阳辐射数据时,在雨养和灌溉条件下,候、旬、月尺度的太阳辐射数据都可以用于作物生长模型。     

温室作物模型与环境控制管理研究

阐述了国内外作物模型研究现状 ,温室园艺作物模型研究进展以及温室作物模型在现代化农业环境控制管理中的重要作用 ,并简介了温室番茄作物模拟系统研制开发现状及其进展     

参考作物潜在蒸散量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸散量(ET0),对影响ET0的主要气象因子进行了回归分析,并比较了以4因子(平均气温、净辐射、相对湿度、2 m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量,由Penman-Monteith法计算所得ET0为输出向量的BP网络ET0预报模型.研究表明,BP网络可以用于ET0的预报计算,四因子法和三因子法均简便可行,能满足生产的需要.相比之下,四因子法的精度更高.此研究是对传统ET0计算的补充.     

土壤水分平衡与作物生长模拟模型的开发与验证

基于模块化和面向对象化程序设计思想,根据土壤水分平衡过程和作物生长发育的特点,采用VisualBasic程序设计语言,实现了界面友好的土壤水分平衡与作物生长模拟模型。在土壤、作物和气象参数数据文件的支持下,对红壤性水稻土上的作物生长过程进行了模拟和验证,田间验证结果表明,冬小麦田间0～5,5～15,30～35cm三个土壤深度土壤含水量模拟值与实测值相对误差分别为7．0％、8．1％、4．5％。小麦、早稻、晚稻、玉米产量模拟值与实测值之间的相对误差分别为6．7％、2．4％、5．3％、1．9％。     

CropSyst作物模型在松嫩平原典型黑土区的校正和验证

通过对CropSyst作物模拟模型进行修订和验证，应用该模型对松嫩平原黑土区主要作物的生产潜力进行了模拟，并对作物生产力模拟的有效方法进行了初步探索。模拟结果表明，对于主要作物的经济产量、全生育期蒸散量、收获时的地上生物量，模拟值与实测值较为接近。模拟值和实测值的均方根误差RMSE为3.59%(小麦地上生物量)～8.02%(小麦产量)，模拟性能指数EF最小为0.76(玉米蒸散量)，最大为0.90(小麦产量)。     

基于软构件模型的农业智能系统平台

详细分析了农业智能系统平台的软构件构造流程，提出了一种面向构件设计的自适应软总线模型，依据模型可以进行系统功能构件的组装和组装推导。建立了一个可扩展、可裁减的公共构件底层框架，该框架对构件的接口、约束和交互协议进行了描述，并通过XML格式提供构件扩展机制。在框架研究基础上，开发了一个构件化农业智能系统平台，为农业信息技术人员提供了统一规范、方便快捷的二次开发环境，可显著提高农业智能系统的开发质量，并缩短系统开发周期。     

基于GIS的区域作物生长模拟模型

利用VB程序语言改写SUCROS作物生长模型,将其模块法并改进了水分平衡和作物系数算法。通过试验数据对参数的校验,模型可以较准确模拟主要作物生长变量和预测产量。以GIS与作物生长模拟模块紧密集成的方式,采用ArcGIS Engine控件开发了区域作物模拟模型(RCGM),可用以模拟区域作物生长和产量时空分布。建立空间数据库管理区域作物生长模拟所需空间数据。以河北省栾城县为例,应用RCGM进行县域冬小麦生长模拟和产量预测,模拟产量平均相对误差为12.51%,表明区域模型模拟也有较高准确性。     

利用作物模拟模型辅助决策小麦新品种推广初探

在田间试验和前人研究的基础上，以比较成熟的CERES-WHEAT模型为研究工具，以我国的主要作物小麦为研究材料，探讨了作物模型在区域试验和良种评价方面的潜在应用。目的在于应用作物模型的动态性和预测性功能，通过利用品种已有生理和遗传参数以及各地的气象、土壤资料，对冬小麦不同品种同一地点和同一品种不同地点的生育期、物候期、产量和产量构成因素进行模拟，并与实测值进行比较，最后对品种的生态适应性进行了综合评价。最终在品种产量表现和生态适应性等方面为品种区域试验和良种推广提供决策的依据，试图尝试用一条新的途径，辅助     

基于SPAC系统的作物腾发量模型的试验研究

通过田间试验对河北省2004年和2005年棉花、冬小麦和夏玉米不同生育期的冠层温度、地表温度和叶面积指数进行测定,根据能量平衡方程和空气动力学方程,结合当地气象资料推导出作物腾发量模型,并与棉花、冬小麦和夏玉米不同生育期实际腾发量比较发现:作物腾发量模型计算值不仅反映了这3种作物不同生育期腾发量的变化规律,而且与实际腾发量平均值的相对误差2004年分别为8.46%、4.76%和12.85%,2005年分别为3.42%、1.65%和0.84%,因此可以利用作物腾发量模型来计算作物腾发量,该研究为监测土壤墒情和确定作物缺水指标提供了理论依据.     

双作物系数模型SIMDual_Kc的验证及应用

为了将棵间蒸发与叶面蒸腾有效地分开,该文利用3 a冬小麦的田间实测数据（土壤含水率和实际腾发量）,率定和验证双作物系数模型SIMDual_Kc 在华北地区的适用性,并计算各生育阶段以及整个生育期冬小麦棵间蒸发量占作物腾发量比例。结果表明,模型模拟土壤含水率及实际腾发量的效果均比较好,拟合度较高。模型所模拟的棵间蒸发变化过程趋势明显,与作物生长阶段密切相关,整个生育期棵间蒸发量占作物腾发量比例在17%～22%左右变化,此模型在华北地区具有一定的适用性。     

基于遥感和作物生长模型的作物产量差估测

传统的作物生长模型很难模拟大田的实际产量,因为大量的数据、复杂的数学运算以及误差传递限制了作物生长模拟模型的运用。目前为止实际产量仅能通过观测和实地调查获得。该文将NOAA-14 AVHRR遥感获取的冠层温度信息引入作物生长模型,利用冠气温差计算作物水分胁迫系数,可以近似地估计区域作物实际生长速率和产量,进而建立了遥感-作物模拟复合模型PS-X,提出了估算区域作物实际产量的方法。PS-X模型可在不同层次模拟作物的生长和产量,在PS-1、PS-2、PS-X水平计算的分别是作物的光温生产潜力、水分限制下的生产力和实际产量。利用该模型,论文分别模拟了邯郸地区1998年夏玉米的光温生产潜力、水分限制下的生产力和实际产量,并通过比较不同模拟水平下产量和农户调查产量进行区域产量差分析。结果表明：PS-1和PS-2水平之间的产量差主要由水分和土壤质地差异造成;PS-2与PS-X水平间的平均产量差异较大,占总产量差（PS-1与PS-X水平之差）的81.4%,主要由田间管理差异造成;对于平原地区,夏玉米产量估测精度可达90%以上;砂质土壤区估算冠层温度和水分胁迫系数比壤质、粘质土壤区要高,因此砂质土壤区模拟作物产量较低,这与PS-2计算结果、农户调查数据一致。研究证实,区域上应用遥感瞬时温度信息建立遥感-作物模拟复合模型进行估产是可行的。     

基于极限学习机的参考作物蒸散量预测模型

为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。