作物生长模型与定量遥感参数结合研究进展与展望

作物生长模型与定量遥感参数的结合,不仅满足前者实现区域应用的需求,也有助于提高后者的反演精度,在生态、农业、资源调查与全球气候变化等研究上意义重大。该文从作物生长模型空间应用拓展的角度,对国内外主流作物生长模型、定量遥感参数以及两者结合的参数与方法进行了概述,分析了典型作物生长模型的主要模拟过程及其驱动、初始化、输出等参数,总结了当前定量遥感正反演结果可为作物生长模型区域应用提供的参数数据;建立了作物生长模型模拟过程与定量遥感参数的对应关系,对比分析了作物生长模型与定量遥感参数的不同结合方式。基于以上内容,对作物生长模型面应用的限制因素及其与定量遥感参数的关系、作物生长模型面应用时参数尺度效应的影响、作物生长模型与定量遥感参数耦合方法的发展3个方面展开了讨论,以期为作物生长模型与定量遥感参数开展更好的结合研究提供参考。     

国内外紫花苜蓿生长模型研究进展与展望

作物生长模拟模型有助于理解和预测作物生长发育、产量形成及其对环境的反应,并可用于资源利用分析,为生产提供决策支持。本文介绍了紫花苜蓿生长模拟模型的国内外研究进展、现状及特点,剖析了新近开发的紫花苜蓿生长模型(APSIM Lucerne)的组成和结构,对紫花苜蓿生长模型研究的重点与前景进行了分析讨论。     

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。     

遥感与作物生长模型数据同化应用综述

遥感是获取大面积地表信息最有效的手段,在农业资源监测、作物产量预测中发挥着不可替代的重要作用;作物生长模型能够实现单点尺度上作物生长发育的动态模拟,可对作物长势以及产量变化提供内在机理解释。遥感信息和作物生长模型的数据同化有效结合二者优势,在大尺度农业监测与预报上具有巨大的应用潜力。该文系统综述了遥感与作物生长模型的同化研究,概述了遥感与作物生长模型数据同化系统的构建,在归纳国内外研究进展的基础上,总结了当前主流同化方法的特点以及在不同条件下的同化效果。进而具体分析影响同化精度的关键环节,明确了相关科学概念,并相应指出改善精度的策略或者方向。最后从多参数协同、多数据融合、动态预测、多模型耦合以及并行计算环境5个方面展望了遥感与作物生长模型数据同化的未来研究重点和发展趋势,同时结合农业应用现实需求,介绍一种数据同化与集合数值预报结合的应用框架,为大区域、高精度同化研究提供新的思路与借鉴。     

基于Hadoop的云环境下作物生长模型算法的实现与测试

为了提高作物生长模型的计算速度,该文提出了云环境下作物生长模型算法的实现方案。综合分析了作物生长模型和子模型之间的数据依赖关系,以及不同并行计算方法的特点。以云计算基础架构开源软件Hadoop为基础,设计云环境下作物生长模型处理方案。以小麦生长模型WheatGrow为测试对象,在真实云环境下,验证了该方案的有效性。研究表明,在处理作物生长模型这类具有复杂数据依赖关系问题时,当区域数据点较多,需采用数据并行计算方法;且区域数据点越多,加入计算的计算结点越多,越能体现出MapReduce在并行计算上具有的可扩展性。研究可为促进作物生长模型和数字农业的发展提供参考。     

土壤湿度驱动WOFOST模型及其适应性

WOFOST作物生长模型是以日降水量表征降水输入参数,通过推算土壤相对湿度实现作物生长模拟。由于日降水量随机性较大,很难通过控制日降水量实现不同土壤干旱等级情景设置,限制了WOFOST作物生长模型在不同水分胁迫下对作物生长的模拟,也影响了模拟试验的精度。本文提出以土壤相对湿度直接驱动WOFOST作物生长模型,并以Compaq Visual Fortran 6.5为开发平台,采用Fortran语言对WOFOST作物生长模型的源代码进行修改,将驱动模块中的日降水量文件替换为土壤相对湿度驱动文件。以2013年山东省夏津农业气象试验站玉米出苗-拔节期和抽雄-成熟期水分胁迫和整个生育期自然降水处理（对照）的试验数据为例,对修改后的WOFOST作物生长模型进行了模拟试验。结果显示,采用修订后的模型输出的实测鲜叶干重、鲜茎干重、营养器官干重、地上物质总重和叶面积指数等生物量指标均较原模型输出结果,不仅精度明显提高,而且,由于土壤湿度变化较平稳,较容易地实现了不同水分胁迫情景设置,进而实现不同土壤干旱等级条件下玉米生长的模拟,为分析不同程度干旱对玉米生长的影响及确定其生长发育指标提供了便利条件。     

基于Web服务和GIS的作物生长模拟系统及应用

鉴于Web服务技术的优越性以及当前作物模拟模型共享存在的困难,该文提出了基于Web服务和GIS的作物生长模拟系统架构;实现了作物模拟生长Web服务,开发了"YIELD作物产量模拟系统",并进行了实际应用.实践表明:将Web服务应用于作物生长模拟切实可行,有利于系统集成和作物模拟模型的全社会范围内的共享.同时,也为其它农业信息系统的集成提供了参考.     

WOFOST模型的发展及应用

作物生长模拟模型已经成为一门新兴的科学,可以为农业资源的管理利用、农业最大收益的获取提供科学的依据。WOFOST(W orld Food Stud ies)模型是荷兰瓦根宁农业大学和世界粮食研究中心共同开发研制的,是模拟特定的土壤和气候条件下一年生作物生长的动态的、解释性模型。WOFOST模型已经在欧洲、非洲以及亚洲的一些地区得到了运用和验证,可用于水稻、玉米、小麦等多种一年生作物的模拟。WOFOST模型可用来分析作物产量风险,不同年份产量的变化,土壤类型及气候变化对产量变化的影响;确定播种策略以及农业机械使用的关键时期;该模型还可用于估计某种作物最大潜在产量,提高灌溉和施肥的增产效益,对生长在不利条件以及地区的作物产量进行预测等。该模型对可持续农业的发展具有积极的指导作用。     

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。     

基于遥感影像的作物生长监测系统的设计与实现

利用遥感监测技术实时快速地获取作物长势参数和氮素营养状况,可以为作物的精确管理提供决策支持。在已有作物（小麦和水稻）生长监测模型的基础上,采用GDAL和GDI+信息处理方法,使用EM算法对反演的作物长势参数进行聚类分析,在Microsoft .NET平台上构建基于聚类分析和遥感影像的网络化作物生长监测系统。系统具有常见格式遥感影像读取、遥感信息提取、作物长势参数反演、聚类分析、专题图制作以及信息发布等功能,并以江苏省方强农场为案例区,对系统的部分功能进行了测试与检验。结果表明,该系统能够准确的读取遥感影像信息,反演作物生长参数,并可根据聚类分析结果自动制作专题图,通过互联网予以发布,从而初步突破了用户无法直接参与遥感影像分析过程的瓶颈,为区域尺度的作物生长监测和精确管理调控提供了决策支持。     

遥感信息与作物生长模型的区域作物单产模拟

利用外部数据同化作物生长模型提高区域作物单产模拟精度是近年来的研究热点.该文以遥感反演的叶面积指数(LAI)作为结合点,以黄淮海粮食主产区典型县市夏玉米为研究对象,在区域尺度利用全局优化的复合形混合演化( SCE-UA)算法进行了遥感反演LAI信息同化EPIC (environmental policy integra...     

中国作物生长模拟监测系统构建及应用

该文系统阐述了中国作物生长模拟监测系统（Crop Growth Simulating and Monitoring System in China, CGMS-China）的构建方法及其在国家级农业气象业务中的应用。CGMS-China是基于WOFOST、Oryza2000、WheatSM、ChinaAgroys 4个作物模型构建的系统,在作物长势监测评估、农业气象灾害影响评估、作物产量预报等农业气象业务中均有应用。该系统可进行作物长势监测、产量预报、农业气象灾害影响评估。利用CGMS-China模拟输出的地上生物量、叶面积指数、穗质量,建立作物长势评估指标,可对小麦、玉米、水稻进行实时长势监测与评估。通过CGMS-China对2014年8月中旬华北黄淮夏玉米的干旱产量损失评估和2016年6月22日早稻高温热害的产量损失预估表明,CGMS-China对农业气象灾害影响评估的效果较好。利用CGMS-China对2014年冬小麦主产省进行产量预报,各省的平均预报相对误差为7%。与此同时,在CGMS-China中利用遥感数据同化方法,对山西洪洞县进行产量预报,预报相对误差小于11%。该系统在国家级农业气象业务中具有良好的应用前景。     

基于遥感数据与作物生长模型同化的作物长势监测

遥感观测和作物生长模型模拟是进行农作物长势监测的2种有效手段,并具有较好的互补性,构建二者的同化系统是目前农业遥感研究领域的热点。同化涉及多学科的交叉集成,十分有必要将同化方法中的模型、算法、数据进行集成,构建基础作物模型同化系统平台,降低科学研究和应用的难度。采用模块化结构设计,将同化系统构建所需的主要模型、算法、数据等进行有机结合和无缝集成,实现基于极快速模拟退火算法的遥感数据与CERES-Wheat作物生长模型的同化原型系统构建。此外,通过所开发的系统利用地面高光谱作为遥感数据,通过同化小麦叶面积指数对同化系统进行了检验和初步应用。同化LAI与实测结果较好的拟合度,表明所开发的同化系统基本可行,能为遥感技术与作物模型的基础研究和应用提供一个平台。     

国家级作物长势遥感监测业务系统设计与实现

作物长势监测是农情遥感监测的重要组成部分。为了建立稳定的作物长势监测业务系统,该文一方面选取NDVI时间序列提取的时空参数从不同侧面描述作物长势,建立作物长势监测的综合性模型,另一方面建立了一个覆盖全国主要农区、由200个县组成的地面调查网络,采集地面实况信息,并采用客户端/服务器（C/S）和浏览器/服务器（B/S）的混合结构开展系统设计,基于遥感和地面调查两个角度设计实现了国家级作物长势遥感监测业务系统,同时对由于作物种类和监测区域不同引起的长势评价标准不一致、模型定量化和业务系统架构仍需根据应用进一步分解完善等问题进行了讨论。以中国冬小麦主产区为例,进行了作物长势监测试验,取得较好的监测结果。目前该系统已在大尺度作物遥感监测中得到应用。     

Predicting crop growth under different cropping and fertilizing management practices

Simulation models are widely used to make predictions of crop growth and yield, and soil carbon and nutrient dynamics under various agricultural practices and soil-climatic conditions. An analytical model of soil carbon and nutrient dynamics, K-model, was expanded to include a plant sub-model (K-Model-P). This allows for the prediction of short- and long-term crop growth, and soil carbon and nitrogen dynamics. The simulations for a short-term experiment (2 growing seasons) with three nitrogen application rates showed that K-Model-P correctly predicted the growth processes of above-ground plant biomass and grain yields. Predicted and measured daily accumulative biomass were significantly correlated, and differences were statistically insignificant. The simulation results for long-term experiments (70 years) of two crop rotations with three soil amendments showed that predicted and measured annual straw and grain yields were significantly correlated, with the differences of less than 13%. Annual crop straw and grain yields can be estimated by the model without significant errors. The agreement between the predicted daily growth and annual yields and experimental data illustrated that the K-Model-P can be used to produce reliable predictions for daily and annual crop growth.     

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。