專業(yè)文獻綜述-遙感信息與作物生長模型的耦合應(yīng)用研究進展

1、南京愚羞士孝專業(yè)文獻綜述題目：遙感信息與作物生長模型的耦合應(yīng)用研究進展姓名：學(xué)院：專業(yè)：班級：學(xué)號：指導(dǎo)教師：職稱：教授2012年5月28日南京農(nóng)業(yè)大學(xué)教務(wù)處制遙感信息與作物生長模型的耦合應(yīng)用研究進展作者:指導(dǎo)教師:摘要：遙感信息與作物生長模型的耦合應(yīng)用可以解決作物長勢監(jiān)測和產(chǎn)量預(yù)測等一系列農(nóng)業(yè)問題，越來越受到相關(guān)研究人員的關(guān)注。本文首先介紹了農(nóng)業(yè)遙感技術(shù)和作物模型的發(fā)展?fàn)顩r，并在分析遙感數(shù)據(jù)和作物模型在農(nóng)業(yè)應(yīng)用中各自優(yōu)缺點的基礎(chǔ)上，闡明二者結(jié)合的必要性，綜述了遙感信息與作物生長模型的耦合應(yīng)用的2種方式一強迫法和同化法；其次介紹了遙感數(shù)據(jù)與作物模型結(jié)合的應(yīng)用領(lǐng)域和目前國內(nèi)外的應(yīng)用狀況，并分析了

2、其在農(nóng)業(yè)生產(chǎn)各領(lǐng)域的應(yīng)用潛力；最后提出了二者耦合存在的問題以及未來研究的展望。關(guān)鍵詞：遙感；作物生長模型；耦合應(yīng)用；研究進展ResearchprogressonapplicationofremotesensinginformationcoupledwiththecropmodelAuthor:Instructor:Abstract:Remotesensinginformationandcropgrowthmodelcansolvethecouplingapplicationofcropgrowthmonitoringandyieldforecastingandaseriesofproblems

3、ofagriculture,moreandmoreresearchers'attention.Thispaperfirstintroducestheagriculturalremotesensingtechnologyandcropmodeldevelopment,andintheanalysisofremotesensingdataandcropmodelinagriculturalapplicationadvantagesanddisadvantagesonthebasisofthecombinationofthetwo,clarifythenecessity,reviewsthe

4、remotesensingdataandcropgrowthmodelofcoupledapplicationin2ways-forcedandassimilationmethod;secondlythepaperintroducedtheremotesensingdataandcropmodelcombinedwiththeapplicationdomainandapplicationstatusathomeandabroad,andanalysesitsapplicationinagriculturalproductionpotential;finallyproposedthetwocou

5、plingproblemsandfutureresearchprospects.Keywords:Remotesensing;Cropmodels;Coupledapplications;ResearchProgress1遙感技術(shù)與作物模型的發(fā)展遙感技術(shù)是20世紀(jì)60年代以來，在現(xiàn)代物理學(xué)（包括光學(xué)技術(shù)、紅外技術(shù)、微波雷達(dá)技術(shù)、激光技術(shù)和全息技術(shù)等）、空間科學(xué)、電子計算機技術(shù)、數(shù)學(xué)方法和地球科學(xué)理論的基礎(chǔ)上發(fā)展起來的一門新興的、綜合性的邊緣學(xué)科，是一門先進的、實用的探測技術(shù)1。衛(wèi)星遙感技術(shù)具有快速、宏觀、準(zhǔn)確、客觀、及時、動態(tài)等特點，在農(nóng)作物種植面積監(jiān)測，作物葉面積指數(shù)、生物量、光合有效輻射估

6、測，作物物候監(jiān)測，產(chǎn)量估測，干旱監(jiān)測，作物營養(yǎng)診斷等領(lǐng)域廣泛應(yīng)用2-30但其應(yīng)用也有一定的局限性，一方面遙感監(jiān)測常常受衛(wèi)星遙感數(shù)據(jù)空間分辨率、時間分辨率等因素的影響，且遙感信息大多反映的是瞬間物理狀況，所以農(nóng)業(yè)遙感應(yīng)用在時間維上的拓展受到很大限制；另一方面因缺乏相關(guān)農(nóng)學(xué)機理和農(nóng)學(xué)知識的支持，農(nóng)業(yè)遙感應(yīng)用精度有待提高4-50作物生長模型是對作物生長、發(fā)育、產(chǎn)量形成過程中的一系列生理生化過程進行數(shù)學(xué)描述，是一種面向過程、機理性的動態(tài)模型，能動態(tài)地定量描述作物生長、發(fā)育、籽粒形成及產(chǎn)量的計算機模擬程序6。自deWit于1965年提出作物生長模擬理論以來7作物生長模型研究取得了巨大進展。如荷蘭Wage

7、ningen農(nóng)業(yè)大學(xué)開發(fā)的SUCROS模型系列網(wǎng)，美國農(nóng)業(yè)科技轉(zhuǎn)換決策支持系統(tǒng)DSSAT（包含禾本科作物CERES等）9等。在我國也建立了小麥、水稻、玉米、棉花等作物生長模型100但當(dāng)作物模擬從單點研究發(fā)展到區(qū)域應(yīng)用時，由于隨空間尺度的增大導(dǎo)致模型中一些宏觀資料的獲取和參數(shù)的區(qū)域化方面出現(xiàn)很多困難。例如地表和作物狀況的非均勻性導(dǎo)致區(qū)域性模擬時初始條件（出苗期、初始生物量、初始土壤水分狀況等）難以確定，這影響了作物生長模型的區(qū)域應(yīng)用110因此，在遙感農(nóng)業(yè)應(yīng)用中集成作物生長模型，通過利用作物生長模型的機理性，以增加遙感農(nóng)業(yè)監(jiān)測、預(yù)報的普適性，提高遙感產(chǎn)品精度。利用遙感數(shù)據(jù)同步大面積獲取作物信息的能

8、力，解決作物生長模型從單點向區(qū)域擴展的數(shù)據(jù)難獲取問題，擴大作物生長模型應(yīng)用范圍，所以二者的結(jié)合是必然的1202遙感信息和作物生長模型集成方法目前國內(nèi)外關(guān)于遙感數(shù)據(jù)與作物生長模型結(jié)合方法的研究歸納起來主要有“強迫法”和“同化法”兩種。2.1強迫法強迫法是指直接利用遙感數(shù)據(jù)反演作物生長模型初始參數(shù)的值或利用遙感反演值直接更新作物生長模型的某個輸出參數(shù)值,以提高作物生長模型的模擬精度，也稱為驅(qū)動法（圖1）。這種替代是基于遙感“觀測值”比相應(yīng)的從模型出來的模擬值更加準(zhǔn)確的假設(shè)。作物模型通常以固定的時間步長運行（如1d）,但遙感信息由于沒有這么高的時間分辨率而無法滿足模型的需要。通常的做法是用僅有的遙感

9、“觀測值”做一模擬曲線，然后用該模擬曲線和遙感數(shù)據(jù)按照模型要求的時間步長進行內(nèi)插獲得。圖1驅(qū)動法早期的遙感數(shù)據(jù)與作物生長模型的結(jié)合方法研究中，強迫法使用得較多，Mass對玉米進行地面輻射測量，利用獲得的光學(xué)遙感數(shù)據(jù)反演葉面積指數(shù)（LAI）,利用近紅外和熱紅外數(shù)據(jù)反演地表溫度以確定水分脅迫系數(shù)，并將這些遙感反演值作為作物生長模型的輸入，結(jié)果表明：結(jié)合遙感信息后，作物生長模型對玉米地上生物量的模擬結(jié)果得到有效改善130宇振榮等14利用遙感信息估算作物冠層溫度，通過冠氣溫差計算作物水分脅迫系數(shù)，并引入作物生長模型，實現(xiàn)動態(tài)和連續(xù)的作物監(jiān)測及產(chǎn)量預(yù)報的研究；辛景峰15利用NOAA/AVHRR獲得NDV

10、I和地表溫度數(shù)據(jù)，結(jié)合地面實測資料以及GPS定位數(shù)據(jù)，在GIS環(huán)境下，建立了遙感生育期模式，在PS-123作物生長模型基礎(chǔ)上，發(fā)展并建立了PS-X遙感一作物生長復(fù)合模型，并利用該模型進行了區(qū)域產(chǎn)量估測；林忠輝16以SUCROS模型和改進的冠層蒸騰和土壤蒸發(fā)的雙源模型為基礎(chǔ)，建立了水分脅迫下的夏玉米生長動態(tài)的模擬，并用AVHRR數(shù)據(jù)反演夏玉米的LAI,利用常規(guī)氣象要素通過空間插值獲取空間氣象要素場，在GIS背景數(shù)據(jù)庫的支持下，實現(xiàn)區(qū)域尺度的葉面積指數(shù)的模擬，并以河北平原為例進行了研究。2.2同化法同化法是直接用遙感數(shù)據(jù)（如光譜反射率、植被指數(shù)或雷達(dá)），通過輻射傳輸模型與作物模型的耦合，直接比較遙

11、感觀測的光譜反射率與耦合后的模型模擬的反射率，來調(diào)整那些控制作物生長發(fā)育和產(chǎn)量形成的關(guān)鍵參數(shù)或初始值，從而確定它們的值（圖2）。如：Maas17-18利用衛(wèi)星數(shù)據(jù)反演高粱（1988b）和冬小麥（1991）的LAI,以此調(diào)整作物生長模型GRAMI的相關(guān)參數(shù)和初始值，包括出苗時的LAI值等，使模型重新初始化和數(shù)化。Dente等19將由ENVISATASAR和MERIS數(shù)據(jù)提取得到的LAI同化進入CERES-Wheat來改善小麥產(chǎn)量預(yù)報的精度，同化結(jié)果顯示由MERIS和ASAR提取的LAI數(shù)據(jù)在被同化進入作物生長模型后有效的改善了產(chǎn)量預(yù)報精度。Fang等則實現(xiàn)了區(qū)域尺度的同化算法，在這項研究中，MO

12、DISLAI被同化進入作物生長模型，同化算法的輸出包括產(chǎn)量、LAI等數(shù)據(jù)20。而在我國采用的大多是驅(qū)動法，王人潮等21研究了水稻LAI及葉片含氮量與光譜變量的相關(guān)性，并將光譜參數(shù)引入水稻生長模擬模型。目前國內(nèi)也已經(jīng)對同化方法引起重視，楊鵬等22將作物生長模型EPIC擴展到區(qū)域尺度，將EPIC與從TM影像提取得到的多時相LAI數(shù)據(jù)結(jié)合來同化區(qū)域單產(chǎn)，并將其應(yīng)用于石家莊地區(qū)冬小麥的單產(chǎn)估算。結(jié)果表明：通過數(shù)據(jù)同化校正部分關(guān)鍵參數(shù)后的空間作物模型單產(chǎn)模擬精度得到有效提高，但要達(dá)到業(yè)務(wù)運行精度仍有待進一步因此，上述2種方法各有優(yōu)缺點，驅(qū)動法比較簡單，但前提是反演得出的狀態(tài)變量要準(zhǔn)確，而且觀測次數(shù)越多越

13、好，有利于建立合理的狀態(tài)變量統(tǒng)計模型，從而確保其內(nèi)插值準(zhǔn)確。而同化法由于通過直接比較反射率對作物模型進行初始化和參數(shù)化，因此沒有作物參數(shù)反演環(huán)節(jié)帶來的誤差，從理論上講是最好的。但是，由于輻射傳輸模型對土壤和作物的特性很敏感，如果缺乏這方面的準(zhǔn)確信息，該方法的準(zhǔn)確性也難以保證。3遙感信息與作物模型的耦合的應(yīng)用進展遙感數(shù)據(jù)和作物模型集成起源于20世紀(jì)的80年代。從1974年到1977年美國利用遙感進行了“大面積農(nóng)作物估產(chǎn)實驗(LACIE)”項目，遙感在農(nóng)業(yè)的應(yīng)用上取得了重要進展12。遙感數(shù)據(jù)和作物模型集成主要用于作物參數(shù)估測和糧食估產(chǎn)。如在作物生長發(fā)育進程的估測方面：馬玉平等基于WSPFRS模型(

14、引入遙感信息后的WO-FOST模型)對華北冬麥區(qū)的冬小麥生長發(fā)育進行監(jiān)測，并與直接用WOFOST模型模擬出的結(jié)果進行對比分析，認(rèn)為前者更加準(zhǔn)確的模擬了華北地區(qū)冬小麥生長季內(nèi)的生物量的變化23。閆巖等基于遙感數(shù)據(jù)與CERES-Wheat模型同化監(jiān)測冬小麥長勢，結(jié)果表明，能夠較好的模擬冬小麥主要生育期的生物量變化240Singh等分別使用了CERES-Wheat和Cropsyst兩種作物生長模型估算了小麥的地上生物量，使用地面觀測數(shù)據(jù)對模型模擬結(jié)果進行了驗證，認(rèn)為Cropsyst比CERES-Wheat模型在小麥生物量估算上更具有優(yōu)勢25。Confalonieri等分別對WARM,Cropsyst

15、和WO-FOST三種模型對水稻的監(jiān)測進行評估，結(jié)果表明三種模型的模擬結(jié)果都與實測數(shù)據(jù)保持較好的一致性260在作物估產(chǎn)方面：美國于1986年建立了全球級的農(nóng)情監(jiān)測運行系統(tǒng)，該系統(tǒng)集成遙感數(shù)據(jù)和作物模型監(jiān)測農(nóng)作物長勢、糧食產(chǎn)量，不僅實現(xiàn)美國本土的作物監(jiān)測和估產(chǎn)，而且還對加拿大、墨西哥、阿根廷、巴西、前蘇聯(lián)、中國、印度、中東地區(qū)、澳大利亞等全球糧食主產(chǎn)國進行監(jiān)測。該系統(tǒng)的成功運行，使美國在全球糧食貿(mào)易中不僅占據(jù)了主導(dǎo)地位，而且每年都能獲取數(shù)億美元的經(jīng)濟效益270而在國內(nèi)也有很多科研學(xué)者在從事遙感數(shù)據(jù)與作物模型結(jié)合進行作物估產(chǎn)的研究。如勒華安，王錦地等將時間序列中分辨率成像光譜儀(moderatere

16、solutionimagingspectroradiometer,MODIS)數(shù)據(jù)和高空間分辨率LandsatTM遙感觀測數(shù)據(jù)相結(jié)合，以葉面積指數(shù)(LAI)作為耦合作物生長模型(cropenvironmentresourcesynthesis-Maize,CERES-Maize)和植被冠層反射率模型(scatteringbyarbitrarilyinclinedleaves,SAIL)的關(guān)鍵參數(shù)，提出了將耦合模型與時間序列遙感觀測數(shù)據(jù)同化進行區(qū)域玉米產(chǎn)量估算的方案280莫興國，林忠輝等通過建立基于遙感數(shù)據(jù)的冬小麥動力生長模擬模型，用1km分辨率NOAA-AVHRRNDVI數(shù)據(jù)對河北省平原地區(qū)的

17、冬小麥生長狀況和產(chǎn)量進行了研究，給出了冬小麥產(chǎn)量、蒸散量和水分利用效率的空間分布2904遙感數(shù)據(jù)和作物模型結(jié)合的潛力及應(yīng)用前景集成遙感數(shù)據(jù)和作物模型，即增加了農(nóng)業(yè)遙感監(jiān)測的機理性，又將作物生長模型的應(yīng)用擴展到區(qū)域范圍，有著廣闊的應(yīng)用前景。4.1 農(nóng)作物產(chǎn)量預(yù)測及時、準(zhǔn)確、大范圍地對作物長勢進行監(jiān)測和產(chǎn)量預(yù)測對于指導(dǎo)農(nóng)業(yè)生產(chǎn)、保障糧食安全、保持農(nóng)業(yè)可持續(xù)發(fā)展，國際糧食貿(mào)易、糧食期貨等具有重要意義.對國家或地區(qū)宏觀決策具有重要的意義，所以作物產(chǎn)量預(yù)測仍將是遙感數(shù)據(jù)和作物模型集成應(yīng)用最活躍的領(lǐng)域。4.2 作物品質(zhì)預(yù)測當(dāng)前中國對優(yōu)質(zhì)農(nóng)作物有巨大需求，部分優(yōu)質(zhì)農(nóng)作物產(chǎn)品供不應(yīng)求或依賴進口。通過監(jiān)測作物生

18、長過程而進行調(diào)優(yōu)栽培，優(yōu)化作物分類收獲、分級收購加工體制，提高作物品質(zhì)監(jiān)控水平是保證作物品質(zhì)的重要組成部分。農(nóng)作物品質(zhì)遙感預(yù)報根據(jù)作物碳氮運轉(zhuǎn)原理和品質(zhì)形成的影響因素，在分析農(nóng)作物光譜特征和生長環(huán)境信息的基礎(chǔ)上，監(jiān)測作物養(yǎng)分和長勢，集成作物生長環(huán)境建立作物品質(zhì)預(yù)報模型，從而在作物收獲前預(yù)測作物品質(zhì)30。作物品質(zhì)的遙感預(yù)報近年來剛剛起步，是農(nóng)業(yè)遙感應(yīng)用的新領(lǐng)域。當(dāng)前作物品質(zhì)預(yù)報的主要方法是利用品質(zhì)指標(biāo)與遙感光譜植被指數(shù)的統(tǒng)計關(guān)系并結(jié)合環(huán)境因子構(gòu)建的品質(zhì)預(yù)報模型，該方法具有簡單易行的優(yōu)點，但擴展到大面積區(qū)域性時，預(yù)報精度低，主要原因是小區(qū)內(nèi)作物的土壤因子，降雨、日照、溫度等氣象因子基本一致，而對于

19、不同區(qū)域分布的作物，上述因子存在著空間變異，會影響到品質(zhì)的均一性。因此，作物品質(zhì)遙感預(yù)報模型從小區(qū)向區(qū)域擴展時還需要綜合考慮土壤、氣象等因子31。4.3 作物施肥管理決策隨著精準(zhǔn)農(nóng)業(yè)的興起，以高產(chǎn)、優(yōu)質(zhì)、環(huán)保為目的的按作物所需變量施肥的技術(shù)被廣泛吸收和采用。我們認(rèn)為的精確施肥是將不同空間單元的產(chǎn)量數(shù)據(jù)與其他多層數(shù)據(jù)（土壤理化性質(zhì)、病蟲草害、氣候等）的疊合分析為依據(jù)，以作物生長模型、作物營養(yǎng)專家系統(tǒng)為支持，以高產(chǎn)、優(yōu)質(zhì)、環(huán)保為目的的變量處方施肥理論和技術(shù)32。相比之下，傳統(tǒng)的變量施肥方法，因為基于田間土壤取樣、室內(nèi)分析調(diào)查、方法復(fù)雜、費時費事。土壤數(shù)據(jù)采集儀器價格昂貴，性能較差，大面積高密度土壤

20、取樣化驗成本太高，很難推廣應(yīng)用；而遙感技術(shù)由于空間分辨率和光譜分辨率問題，不能滿足實際應(yīng)用的需要。所以，隨著高分辨率遙感衛(wèi)星（13m）、飛機航空遙感、田間高架遙感服務(wù)的提供、加強遙感光譜信息與土壤性質(zhì)、土壤養(yǎng)分關(guān)系的研究及土壤養(yǎng)分在實時檢測技術(shù)的研究將是今后研究的重點330雖然遙感信息與作物生長模式結(jié)合的研究取得一些成果，由于開展該類研究的時間較短、研究目的各異以及使用的遙感數(shù)據(jù)和所用的模式的機理性程度不同等原因，所以目前離技術(shù)成熟、大面積推廣應(yīng)用還有很多問題需要解決。4.4 精準(zhǔn)灌溉決策,評價灌溉效果,隨著水資源短缺（WUE）,特別是灌34。遙感數(shù)據(jù)灌溉的基本目標(biāo)是通過人為地補充水分提高作物

21、產(chǎn)量。因此的傳統(tǒng)方法主要是以作物產(chǎn)量的高低評價灌溉的有效性。但是問題的日益突出和灌溉成本的逐漸增加，以提高水分利用效率溉水利用效率為目標(biāo)的灌溉管理方法已成為現(xiàn)代灌溉技術(shù)的核心和作物模型相結(jié)合進行變量灌溉決策，即集成了作物模型的機理性，充分考慮氣象、土壤、肥水耦合因素等引起的作物對水分需要的差異，并且能夠綜合考慮作物產(chǎn)量、品質(zhì)、節(jié)約用水等因素，提高水分利用率，又能夠利用遙感數(shù)據(jù)提供區(qū)域內(nèi)參數(shù)的動態(tài)變化，實現(xiàn)了大面積作物的精準(zhǔn)灌溉。所以，結(jié)合遙感數(shù)據(jù)和作物模型進行變量灌溉決策領(lǐng)域的研究具有非常大的潛力。5耦合存在的問題目前，遙感數(shù)據(jù)和作物模型結(jié)合的技術(shù)和方法尚存在一些問題，主要表現(xiàn)在以下幾個方面。

22、5.1 云遮蔽。對于光譜遙感經(jīng)常性的云遮蔽是1個巨大的缺陷。相比來說微波遙感受云的限制少一點，微波具有能順利穿透大氣層的特性，而且還能穿透云霧和小雨，對地面的植被和土壤也能穿透一定厚度進行探測，探測時又不用借助于陽光的反射，只利用被探測目標(biāo)發(fā)射或反射的微波350微波遙感與可見光遙感相比而具有兩項對農(nóng)業(yè)應(yīng)用最大的優(yōu)點，即它的全天候與全天時的探測能力。所以使用微波遙感與作物模型結(jié)合會收到更好的效果。然而從90年代初期開始ERS-1,ERS-2提供地球的雷達(dá)圖像，相比光譜遙感,農(nóng)業(yè)上使用雷達(dá)遙感仍然較少。另外，也可以發(fā)展高光譜遙感技術(shù)。高光譜遙感是相對于傳統(tǒng)的低光譜分辨率遙感（通常指光譜分辨率在0.

23、1rn以上）而言，高光譜分辨率遙感（光譜分辨率在0.1rn以下）數(shù)據(jù)最主要的特點就是成像通道數(shù)量的增加和成像波段的變窄，從而使植被遙感的監(jiān)測目標(biāo)發(fā)生了很大的變化36,獲取子像元（最終光譜單元信息）的能力得到提高，所以遙感數(shù)據(jù)也更為精確。5.2 地圖單元點的相互作用。目前，絕大多數(shù)作物模型是土壤-作物-大氣系統(tǒng)的一維垂直方向模型，即所謂田間尺度模型。雖然有借助GIS技術(shù)向區(qū)域尺度擴展的研究與應(yīng)用實例，但多限于將非均質(zhì)區(qū)域劃分為若干均質(zhì)單元，在均質(zhì)單元上應(yīng)用模型而不考慮單元間的相互作用、水平方向的水分養(yǎng)分物質(zhì)流動過程，這種擴展仍是“偽三維”的370如何處理單元間的相互作用是今后研究中的重點難點。5

24、.3 尺度擴展和復(fù)雜性。模型的尺度包括空間尺度、時間尺度和復(fù)雜性。由于氣候、土壤的空間變異性，作物品種多樣性及其種內(nèi)差異、栽培管理措施的多樣性，一個作物模型通常有其適應(yīng)性與針對性。當(dāng)作物模型從站點尺度擴展到區(qū)域尺度和全球尺度時，應(yīng)用作物模型的“拿來主義”通常是行不通的，需要結(jié)合具體條件進行驗證、評價、改進，完成對模型的本地化以后，方能進行應(yīng)用38-3905.4 誤差。作物生長模型從單點研究發(fā)展到區(qū)域應(yīng)用時，由于地表、近地表環(huán)境非均勻性問題，導(dǎo)致模型在一些宏觀資料和參數(shù)的獲取上出現(xiàn)偏差40,進而影響到模擬結(jié)果。另外，遙感得到的空間數(shù)據(jù)也存在著測量、數(shù)字化、內(nèi)插等誤差。隨著遙感技術(shù)的發(fā)展和對作物過

25、程的深入了解，誤差問題應(yīng)該會在今后的研究中被克服。5.5 系統(tǒng)和結(jié)合的復(fù)雜性。尺度作物監(jiān)測系統(tǒng)一般使用10-50km精度的格點數(shù)據(jù)，或代表點數(shù)據(jù)來把作物模式從點擴展到區(qū)域尺度上。然而,當(dāng)?shù)匦螐?fù)雜時并不一定合適，例如在山地區(qū)域的由小農(nóng)田組成的農(nóng)業(yè)生產(chǎn)區(qū)。除此以外，土壤、氣候和管理措施的空間變化是更復(fù)雜的因素4106研究展望在未來的研究中，主要是在解決以上問題的基礎(chǔ)上拓寬其可應(yīng)用的范圍。如模擬作物生長過程中作物與土壤的水分和養(yǎng)分交互，即在作物生長過程中模擬土壤水分的變化、模擬養(yǎng)分在土壤的殘留(農(nóng)業(yè)面源污染)實現(xiàn)區(qū)域作物土壤水分、區(qū)域土壤養(yǎng)分殘留監(jiān)測；通過遙感數(shù)據(jù)和農(nóng)業(yè)病蟲害模型的集成，建立區(qū)域性的

26、農(nóng)業(yè)病蟲害監(jiān)測預(yù)報及防治的遙感輔助決策系統(tǒng)，并在病蟲害災(zāi)后進行損失評估等。7總結(jié)本文主要綜述了遙感技術(shù)與作生長物模型的發(fā)展歷程，二者耦合的應(yīng)用現(xiàn)狀，研究進展以及今后的研究方向。二者的結(jié)合即增加了農(nóng)業(yè)遙感監(jiān)測的機理性，又將作物模型的應(yīng)用擴展到區(qū)域范圍，可以實現(xiàn)優(yōu)勢互補，提升相互間的應(yīng)用潛力，是農(nóng)業(yè)科學(xué)在方法論上的一個新突破。因此，遙感數(shù)據(jù)與作物生長模型耦合應(yīng)用有著重要的研究價值和廣闊的應(yīng)用前景。參考文獻1胡著智，王慧麟，陳欽巒.遙感技術(shù)與地學(xué)應(yīng)用M.南京：南京大學(xué)出版社，1999,8,1-52MoranMS,InoueY,BarnesEM.Opportunitiesandlimitationsf

27、orimage-basedremotesensinginprecisioncropmanagementJ.RemoteSensingofEnvironment,1997,61(3):319W463邢素麗，張廣錄.我國農(nóng)業(yè)遙感的應(yīng)用現(xiàn)狀與展望J.農(nóng)業(yè)工程學(xué)報，2003,19(6):174-1784PlummerSE.PerspectivesoncombiningecologicalprocessmodelsandremotelysenseddataJ.EcologicalModelling,2000,129(2-3):169-1865徐希孺.遙感物理M.北京：北京大學(xué)出版社，20056 Hoog

28、enboomG.ContributionofagrometeorologytothesimulationofcropproductionanditsapplicationsJ.iculturalandForestMeteorology,2000,103(12):137-1577 deWitCT.PhotosynthesisofleafcanopiesR.geningen,TheNetherlands,19658 BoumanBAM,nKeulenH,vanLaarHH,etal.The'schoolofdeWit'cropgrowthsimulationmodels:pedig

29、reeandhistoricaloverviewJ.AgriculturalSystems,1996,52:171-1989 JonesJW,HoogenboomG,PorterCH,etal.TheDSSATcroppingsystemmodelJ.EuropeanJournalofAgronomy,2003,18(3-4):235-26510林忠輝，莫興國，項月琴.作物模型研究綜述J.作物學(xué)報，2003,29(5):750-75811邢雅娟，東升，鵬新.信息與作物模型耦合應(yīng)用研究進展J.地球科學(xué)進展，2009,4(4):44545112李存軍，王紀(jì)華，王嫻，劉峰，黎銳.遙感數(shù)據(jù)和作物模型集

30、成方法與應(yīng)用前景J.業(yè)工程學(xué)報，2008,11(24):295-30113MaasSJ,Useofremotely-sensedinformationinagriculturalcropgrowthmodelsJ.EcologicalModeling,1998,41:274-26814YuZhenrong,riessenPM.CropgrowthsimulationandyieldpredictionbasedontheestimationofcropcanopytemperaturewithremotesensingJ.ournalofChinaAgriculturalUniversity，

31、2003,8(supp.l):71-7515辛景峰.基于3s技術(shù)與生長模型的作物長勢監(jiān)測與估產(chǎn)方法研究D.北京：中國農(nóng)業(yè)大學(xué)，200116 LinZhonghu.SpatialSimulationofSummerMaizeYieldandWaterUseEfficinecyUsingGISandRSBasedCropGrowthModelD.Beijing:InstituteofGeographicSciencesandNaturalResourcesResearch.ChineseAcademyofSciences,2003林忠輝，河北平原夏玉米生長與水分利用效率的動態(tài)模擬D.北京：中國科學(xué)

32、院地理科學(xué)與資源研究所，200317MaasSJ.UsingsatellitedatatoimprovemodelestimatesofcropyieldJ.AgronomyJournal1988,80(3),655-66218MaasSJ.Useofremotely-sensedinformationinplantgrowthsimulationmodelsJ.AdvancesinAgronomy,1991,1(1),17-2620FangH,LiangS.AhybridinversionmethodformappingleafareaindexfromMODISdata:experimen

33、tsandapplicationtobroadleafandneedleleafcanopiesJ.RemotesensingofEnvironment,2005,94(6),405-42419DenteL,SatalinoG.,MattiaF,RinaldiM.AssimilationofleafareaindexderivedfromASARandMERISdataintoCERES-WheatmodeltomapwheatyieldJ.RemoteSensingEnvironment,2008,112(4),1395-140721王人潮，黃敬峰.水稻遙感估產(chǎn)M.北京：中國農(nóng)業(yè)出版社22楊

34、鵬，吳文斌，周清波，陳仲新，查燕，唐華俊，柴崎亮介.基于作物模型與葉面積指數(shù)遙感影像同化的區(qū)域單產(chǎn)估測研究，農(nóng)業(yè)工程學(xué)報，23,130-13623MaYuping,angShili,hangLietal(馬玉平，王石立，張黎，等).MeteorologicaSinica(氣象學(xué)報)，2005,(2):20424閆巖，柳欽火，劉強，李靜，陳良富.基于遙感數(shù)據(jù)與作物生長模型同化的冬小麥長勢監(jiān)測與估產(chǎn)方法研究，遙感學(xué)報，2006,10(1),804-81125SinghAK,TripathyR,ChopraUK.AgriculturalWaterManagement，2008,95(7):77626ConfalonieriR,AcutisM,BellocchicG,etal.EcologicaoMod