基于光谱反射信息的作物单产估测模型研究进展

及时准确地估测区域作物单产信息,对于粮食安全预警、粮食贸易流通,以及农业可持续发展都具有非常重要的意义。基于光谱反射信息的遥感技术,能够实时获取作物和土壤在不同时间和空间尺度下的分布信息,为区域作物单产估测研究提供了新的机遇和挑战。在简单介绍作物反射光谱特性和作物单产影响因素的基础上,分经验模型、半经验半机理模型和机理模型三部分,详细论述了基于光谱反射信息的作物单产遥感估测模型的国内外研究进展,并指出基于作物生长机理模型与多时相遥感信息同化技术的研究,应该是未来区域作物单产估测的重要发展方向之一。今后应该重点加强作物冠层关键参数(如叶面积指数、叶绿素浓度、作物吸收光合有效辐射系数、植被覆盖率等)的定量反演研究,同时加强多源遥感数据替代和整合技术研究,以及作物模型与遥感信息同化关键技术研究,以进一步改善单产估测精度和提高系统可运行性。     

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...     

基于作物模型与叶面积指数遥感影像同化的区域单产估测研究

通过对作物光合、呼吸、蒸腾、营养等一系列生理生化过程的定量模拟,作物生长模型已经被成功应用于田间尺度的作物单产研究。为了进一步将作物模型扩展应用于区域尺度,提高区域作物单产的模拟精度,该文探讨了将作物模型与多时相叶面积指数(LAI)遥感影像同化以改善区域单产估测的方法。研究首先通过地理信息系统将美国农业部开发的“考虑气候的作物环境决策模型”——EPIC模型,扩展为空间模型。然后,通过基于Landsat TM影像差值植被指数DVI与田间观测叶面积指数构建的最优回归模型,反演了研究区域的多时相叶面积指数影像。最后通过优化算法实现了空间EPIC模型与影像信息的同化,并将系统应用于河北石家庄地区2004年冬小麦的单产估测。结果表明,通过数据同化校正部分关键参数后的空间作物模型的单产模拟精度得到有效提高,但要达到业务运行精度仍有待进一步改善。     

黑土农田大豆产量形成过程的模拟验证

以中国科学院海伦农业生态站长期定位水肥耦合试验数据为依据,模拟大豆产量形成过程。首先建立大豆品种遗传属性数据库和相应的模型参数,利用DSSAT模型系列中的CropGro-Soybean模型,对大豆品种遗传属性、作物产量和生长过程中土壤水分进行了模拟验证。模拟结果表明,CropGro-Soybean模型能够准确地模拟大豆生育期,相对误差在-2％～3％之间,均方根误差RMSE为2．3。对不同年际不同田间处理的大豆产量模拟结果分析的相对误差在-7％～9％之间,均方根误差RMSE为75．9,模型性能指数EF为0．8。模型对不同层次土壤水分变化的模拟效果也较好。     

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。     

DSSAT作物系统模型的发展与应用

作物模型对人们认识作物生长过程以及对生长的调控提供了一种高效的工具。针对农业技术推广决策支持系统DSSAT（Decision Support System for Agrotechnology Transfer）作物系统模型的发展历程、模型结构、数据输入输出、研究进展等进行了综述,为该模型在我国的应用提供参考。     

作物单产估算模型研究进展与展望

作物单产估算是服务现代农业的一项重要内容,也是农业监测的难点之一,及时准确的产量模拟对国家农业决策、农田生产管理、粮食仓储安全等都有重要意义。利用模型对作物生长发育和产量形成过程进行动态模拟是当前产量估算的主流方式。本文通过对比当前主流模型构建的理论基础,将估产模型分为经验统计模型、作物生长模型、光能利用率模型和耦合模型4种类型,并对比分析4种模型的优缺点,得到了各个模型的优势和不足。同时分别分析了遥感技术在4种估产模型中的应用,对模型中遥感数据的使用方法、限制因素、解决办法等进行了总结,并分析了遥感技术在作物估产模型方面使用的优势、不足和应用前景。分析了模型发展过程中存在的问题和限制因素,最后对模型的研究热点和发展趋势进行了展望,总结了遥感数据的使用方法、不同模型的耦合、现有模型的优选3个作物估产模型研究需要重点关注的方向。     

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。     

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％。     

基于作物生长模型和遥感数据同化的区域玉米产量估算

为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。     

粒子滤波同化方法在CERES-Wheat作物模型估产中的应用

为验证粒子滤波同化算法在作物模型估产应用中的可行性和精度,应用该算法构建了CERES-Wheat(crop environment resource synthesis for wheat)作物模型同化系统,并应用地面观测数据研究了同化系统的估产能力以及粒子扰动维数和方差对同化结果和效率的影响。研究结果表明,构建的作物模型同化系统能够利用作物关键生育期内观测LAI数据,较好地校正模型状态轨迹,显著提高作物产量模拟预测精度。同化前后冬小麦产量模拟结果与实测产量间的决定系数由0.68增加为0.83,归一化均方根误差由4.93%减小为3.4%,相对误差由4.15%减小为2.93%。粒子扰动维数和方差同化试验结果显示,粒子维数由50增加为250时,同化估产精度无显著改善,但计算代价增加5倍;随粒子扰动方差增加,估产归一化均方根误差和相对误差均呈增加趋势,两者的平均增加幅度分别为0.32%和0.26%。因此,作物模型同化系统业务化应用时需折中考虑估产精度和计算代价设置合适的粒子扰动维数和方差。该文为进一步利用多源卫星遥感数据监测区域作物长势和估算产量等同化研究和应用提供参考。     

引入地形因子的黑土区大豆干生物量遥感反演模型及验证

为了对田块尺度农作物地上干生物量进行估测,提高大豆地上干生物量反演模型的精度和稳定性,该文获取了研究区地块2016年7、8月份的SPOT-6多光谱数据,并测定不同地形坡位的大豆地上干生物量,以归一化植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)为输入量,建立田块尺度大豆地上干生物量一元线性回归模型;加入与地上干生物量相关的地形因子,建立逐步多元回归和神经网络多层感知反演模型.结果表明:1)使用传统的单一植被指数模型预测大豆地上干生物量有可行性,但模型精度和稳定性不高.2)加入地形因子(海拔、坡度、坡向)的神经网络多层感知器模型,有较高的精度和可靠性,模型准确度达到90.4％,验证结果显示预估精度为96.2％.反演结果与地块的地形、地貌、气温和降水特征基本吻合,反映了作物长势的空间分布特征,可以为田块尺度大豆地上干生物量动态监测和精准管理,提供借科学依据.     

短波红外波段对玉米大豆种植面积识别精度的影响

为研究短波红外波段（1100～2500nm）设置对于作物分类精度提高的影响,同时也为新型传感器设计提供数据支持和应用支撑,该文以黑龙江省北安市北部为研究区域,选择美国LandSat-8携带的陆地成像仪（operational land imager,OLI）数据,基于单时相和多时相条件下,在海岸蓝（433～453 nm）、蓝（450～515 nm）、绿（525～600 nm）、红（630～680 nm）、近红外（845～885 nm）5个波段的基础上,采用陆续增加1560～1660 nm（SWIR 1）、2100～2300 nm（SWIR 2）两个短波红外参与分类的方式,基于最大似然分类方法,比较分析了短波红外对玉米和大豆两种作物的遥感识别能力。结果表明,在单时相影像分类条件下,短波红外波段的引入可以在很大程度上提高玉米和大豆的分类识别能力,相比无短波红外参与分类,引入1个短波红外波段后总体分类精度从87.0%提高到90.8%,提高了3.8个百分点,Kappa系数由0.74提高到0.82,且“椒盐现象”显著减少。玉米分类的用户精度从原来的85.4%提升到91.5%,提高了6.1个百分点;制图精度从89.6%提升到90.3%。大豆分类的用户精度从88.9%提升到90.2%;制图精度从84.5%提高到了91.5%,提高了7个百分点。从分离度结果分析,玉米和大豆分类的分离度从1.53提高到了1.93,表明短波红外波段可以显著提升玉米和大豆的分离能力。在多时相影像分类条件下,短波红外波段的引入对于提高玉米和大豆的识别能力提高有限,引入1个短波红外波段条件下,相比无短波红外参与分类,总体分类精度从92.4%提高到92.9%,仅提高了0.5个百分点,表明短波红外波段并未提升多时相作物分类有效信息。从短波红外个数分析,无论在单时相还是多时相条件下,引入2个短波红外波段与1个短波红外波段面积提取总体精度没有明显变化,5景影像2个短波红外波段相关性都在0.96以上,表明相关性很强的冗余波段的引入,对农作物面积识别精度的提高能力有限。研究结果定量阐明了短波红外谱段对玉米和大豆两种作物的区分能力,为中国国产卫星短波传感器的波段设置提供了依据。     

光谱信息与作物生长模型数据同化中的时间尺度优化

光谱信息与作物生长模型同化的效率提升是同化方法区域应用研究的一个重要方面。该文通过设置不同步长的光谱观测值同化时相,开展针对光谱信息与作物生长模型WOFOST(world food studies)同化的时间尺度优化研究,以提高同化效率。基于长春地区水稻生长周期,该文设置了4个等距时间尺度(步长分别为5,10,20和30 d)和一个关键时相时间尺度(同化时相对应水稻生长关键时期),在不同时间尺度下利用光谱信息计算的修正叶绿素吸收比值指数MCARI1(modified chlorophyll absorption ratio index)同化WOFOST模型,通过比较不同时间尺度下的同化精度和效率,优化同化时间尺度。结果表明:随着同化时间尺度增大,同化效率逐渐提高,而同化精度逐渐降低。在平衡精度和效率的前提下,选择步长介于10~20 d的时间尺度或关键时相尺度作为光谱信息与作物生长模型的同化时间尺度是合理的。该文提出的优化同化时间尺度方法为提高光谱信息与作物生长模型同化的区域应用效果提供了参考。     

利用无人机影像构建作物表面模型估测甘蔗LAI

为探讨从作物表面模型(crop surface models,CSMs)中提取株高来估算糖料蔗叶面积指数(leaf area index,LAI)的可行性,该文采用无人机-RGB高清数码相机构成的低空遥感平台,以广西糖料蔗为研究对象,采集了糖料蔗全生育期的高清数码影像,分别在有无地面控制点条件下建立各生育期CSMs并提取株高。此外,该文利用高清数码影像计算了6种可见光植被指数并建立LAI估算模型,用以对比从CSMs提取的株高对LAI的估算效果。结果表明:全生育期CSMs提取的株高与实测株高显著相关(P0.01),株高预测值与实测值高度拟合(R2=0.961 2,RMSE=0.215 2)。选取的6种可见光植被指数中,绿红植被指数对糖料蔗伸长末期以前的LAI的估测效果最好(R2=0.779 0,RMSE=0.556 1,MRE=0.168 0)。相同条件下,株高对LAI有更高的估测精度,其中CSMs提取的株高估测效果优于地面实测株高,预测模型R2=0.904 4,RMSE=0.366 2,MRE=0.124 3。研究表明,使用无人机拍摄RGB影像来提取株高并运用于糖料蔗重要生育期LAI的估算是可行的,CSMs提取的株高拥有较高的精度。该研究可为大区域进行精准快速的农情监测提供参考。     

地形对漫川漫岗黑土区大豆产量的影响

为研究黑土区田块尺度地形对大豆产量造成的影响,在海伦东兴合作社具有明显地形起伏的地块,采集大豆田间试验数据,考虑温度、太阳辐射、坡度、土壤养分等因素,运用作物生长模型DSSAT(Decision Support Systemfor Agrotechnology Transfer)模型对各样点进行参数率定及验证,得出以下结论:1)DSSAT模型的模拟产量与实际产量的相对均方根误差为7.9%,模拟结果表现为优,表明运用作物模型模拟不同地形上的产量变异具有可行性;2)地形通过影响作物生长环境因子的时空差异决定产量差异,田块尺度温度、水分和坡度是影响产量差异的主要因素;3)坡顶和坡底的产量相对较高,且产量变异性较小,阳坡虽然接收到更多的光照,却由于水分胁迫造成减产,坡底和平缓坡顶水肥保持较好,易获得高产。研究成果为田间精细管理与田块尺度耕地高效利用提供科学依据。     

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。     

全国农作物叶面积指数遥感估算方法

目前对农作物叶面积指数LAI的遥感估算研究多是针对单一作物或是作物种植结构单一的区域,该文运用大尺度农作物叶面积指数的遥感估算方法,在像元尺度上对4个代表性实验站的LAI与归一化植被指数(NDVI)的相互关系进行了回归分析后,得到4种代表性作物种植结构的LAI估算模型,然后结合全国农作物种植结构数据对模型外推,建立了一个全国尺度的遥感模型,并估算了全国作物LAI。该文使用“863”项目山东遥感应用综合试验中的作物LAI观测数据进行了验证,结果表明该模型较其它估算模型达到了较高的精度,最大相对误差为39%,平均的相对误差为19%。该模型的计算结果已经在“中国农情遥感速报”系统中得到了广泛的应用。