基于遙感與作物生長模型的冬小麥生長模擬研究

1、基于遙感與作物生長模型的冬小麥生長模擬研究準確的作物長勢動態(tài)監(jiān)測和產(chǎn)量預(yù)測對于保障糧食安全、促進農(nóng)業(yè)可持續(xù)發(fā)展具有非常重要的意義。作物模型在監(jiān)測作物長勢和預(yù)報產(chǎn)量方面是個強有力的工具，然而作物模型由單點模式發(fā)展而來，在區(qū)域應(yīng)用上由于區(qū)域分異、田塊分異等導(dǎo)致作物模型模擬要求的輸入?yún)?shù)和初始條件難以獲取，使作物模型的應(yīng)用受到很大的限制，而遙感信息的引入可能使得這個問題得到解決，將遙感信息和作物模型相結(jié)合，利用遙感信息反演得到的狀態(tài)變量優(yōu)化作物模型模擬，在區(qū)域上對作物模型所需的敏感參數(shù)和初始條件等重新估計，從而使得作物模型在區(qū)域上發(fā)揮優(yōu)勢。本研究擬在對作物模型WOFOST應(yīng)性調(diào)整及改進的基礎(chǔ)上，建立

2、適合山東禹城地區(qū)的冬小麥生長模擬模型；利用田間試驗數(shù)據(jù)校正和驗證作物生長模擬模型WOFOSTf討水分脅迫生產(chǎn)水平下的作物模擬模型與遙感信息結(jié)合的方法,利用遙感信息校準作物模擬模型的某些關(guān)鍵過程或重新初始化、參數(shù)化作物模擬模型，以達到對作物模型的優(yōu)化；探索應(yīng)用遙感信息的區(qū)域性作物模擬的合理實用方法，并進行模擬研究，使之可以進行區(qū)域作物長勢監(jiān)測和產(chǎn)量預(yù)報。主要結(jié)論如下：(1)為使WOFOST型能更好地模擬水分脅迫對冬小麥生長過程的影響，對WOFOST型進行了適當改進：利用FAO最新推薦的Penman-Monteith公式(1998)替換原有的Penman式(1948)進行參考作物蒸散的估算；依據(jù)同

3、一作物不同生育階段的作物系數(shù)不同的規(guī)律，將作物系數(shù)改為隨生育期變化的變量。根據(jù)作物生長參數(shù)生物學(xué)意義和敏感性的不同制定調(diào)整方案，利用FSEOPT程序或“試錯法”對光合作用最大速率、比葉面積、葉片衰老指數(shù)、分配系數(shù)、光能利用效率、干物質(zhì)轉(zhuǎn)換系數(shù)等參數(shù)進行調(diào)整。利用田間試驗數(shù)據(jù)對調(diào)整后的WOFOST型進行校正和驗證。結(jié)果表明：通過對上述兩個方面的適當改進和主要作物參數(shù)及土壤參數(shù)的適應(yīng)性調(diào)整，調(diào)整后WOFOST型對冬小麥的模擬如LAI、地上生物量與實測數(shù)據(jù)相符，蒸散的模擬更符合實際情況，調(diào)整后WOFOST型可用于模擬研究區(qū)域?qū)嶋H土壤水分狀況下冬小麥生長發(fā)育及產(chǎn)量形成過程。(2)本研究構(gòu)建的區(qū)域日蒸散

4、模型是基于遙感數(shù)據(jù)和常規(guī)氣象站觀測數(shù)據(jù)基礎(chǔ)上建立的區(qū)域模型，通過植被指數(shù)(VI)一地表溫度(T_S)三角法計算了地表的地表溫度-植被覆蓋度系數(shù)(TVCI)，采用改進的“實時”三角法和“普適”三角法分別計算地表的TVCI，結(jié)合Penman-Monteith蒸散模式計算的潛在潛熱通量(入E_p)估算地表的日蒸散量。本算法的關(guān)鍵是確定地表的TVCI，分別運用了兩種VI-T_s三角算法-即“普適”三角算法和“實時”三角算法估算地表的TVCIo三角算法雖然具有一定的經(jīng)驗性，其優(yōu)勢是靈活、簡單、適用，避免了許多物理過程的復(fù)雜計算。研究結(jié)果顯示基于“實時”三角法計算的日蒸散與本文建立的“土壤失水法”得到的結(jié)

5、果比較一致，結(jié)果比較可靠?！捌者m”三角法雖然具有一定的氣候適應(yīng)性，但通過本研究發(fā)現(xiàn)該法計算的日蒸散結(jié)果偏低，不適用于本研究區(qū)域。本文的目標是建立一種計算日蒸散量的適用算法。與其它遙感估算區(qū)域日蒸散量方法相比，本方法具有簡單實用的優(yōu)點，只要遙感資料和常規(guī)的氣象站觀測氣象要素，不要求有遙感資料同步觀測的氣象資料，因而實用性大大增強。本研究提出了自己的觀點，開發(fā)了合理實用的方法，采用“正推+像元模式”LAI反演結(jié)合分類方法將遙感信息和作物模擬模型有機的結(jié)合起來，融合衛(wèi)星遙感的信息優(yōu)勢和作物模型的機理優(yōu)勢，使得作物模型的模擬可以在區(qū)域上應(yīng)用，具有相當?shù)目茖W(xué)研究意義和較高的實用價值。對前人和其他學(xué)者的反

6、演LAI的眾多方法進行了詳細的研究和總結(jié)，在進行驗證和比較的基礎(chǔ)上開發(fā)訂正系數(shù)方法，用訂正系數(shù)方法對優(yōu)選的方法計算的LAI進行訂正，得到適合本研究的LAI反演方法，反演了研究區(qū)域LAI的時間序列分布情況。就遙感信息和作物模擬模型的結(jié)合模式進行了深入的探討，總結(jié)和提出遙感信息與作物模型模擬結(jié)合研究的四種方式，推導(dǎo)思路有正推、反推，單元構(gòu)建有像元模式、格點模式，可以有四種組合方式：正推+像元模式、正推+格點模式、反推+像元模式、反推+格點模式。對各方法的優(yōu)缺點做了比較分析。對遙感信息和作物模擬模型的結(jié)合模式進行進一步的研究，研究了“反推+格點模式”套用輻射傳輸模型方法，并對其流程和實施情況做了研究分析，提出了自己的“正推+像元模式”LAI反演結(jié)合分類的思路和方法。利用“正推+像元模式”LAI反演結(jié)合分類方法，在像元尺度上模擬得到2000-2001年禹城區(qū)域冬小麥生長分布與實際情形基本相符，冬小麥的面積和產(chǎn)量都與統(tǒng)計結(jié)果相當接近。本文對利用衛(wèi)星遙感數(shù)據(jù)反演的LAI和地表蒸散校準作物模型模擬過程中的參數(shù)和變量初