遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测

• 作者: 刘兴权 吴文斌 武思杰 邹金秋 马冠南 马鸿元 黄健熙
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 遥感 模型 估算 数据转换 集合卡尔曼 数据同化
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 142-148
• 分类号: TP79
• 字数: 6578字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2012.04.023

摘要

区域作物产量预测是国家粮食安全评估的重要内容.遥感虽能获取大面积地表信息,却难以反映作物生长发育的内在过程.作物生长模型已经在单点尺度能成功模拟作物的生长发育过程,但是区域尺度作物关键参数的获取仍很困难.遥感信息与作物模型结合的数据同化已经成为区域产量预测的最有效途径.该文选择河北省衡水地区冬小麦为研究对象,在WOFOST模型标定与区域化的基础上,利用WOFOST模型描述冬小麦生育期内叶面积指数(LAI)变化规律.针对MODIS数据的混合像元造成反演的LAI产品偏低的系统误差,利用实测LAI样本点融合MODIS-LAI趋势信息修正MODIS-LAI数据产品.采用集合卡尔曼(EnKF)算法同化冬小麦返青到抽穗期的MODIS-LAI与WOFOST模拟的LA1以获得时间序列最优的LAI,并以此重新驱动WOFOST模型估算区域冬小麦产量.结果表明,EnKF同化后的冬小麦产量比未同化的产量预测精度有显著提高,与县平均统计产量相比,在潜在模式下,决定系数由0.13提高到0.38,均方根误差由2 480下降到880 kg/hm2.研究表明,遥感信息与作物模型的EnKF同化是1种有效的作物产量预测方法,并在区域尺度应用上具有广阔的应用潜力.该研究可为区域尺度的作物估产提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘兴权	中南大学地球科学与信息物理学院	80	705	13.0	24.0
2	吴文斌	中国农业科学院农业资源与农业区划研究所	20	420	11.0	20.0
3	黄健熙	中国农业大学信息与电气工程学院	43	474	13.0	20.0
4	武思杰	中南大学地球科学与信息物理学院	2	88	2.0	2.0
5	马冠南	中国农业大学信息与电气工程学院	1	65	1.0	1.0
6	马鸿元	中国农业大学信息与电气工程学院	13	216	7.0	13.0
7	邹金秋	中国农业科学院农业资源与农业区划研究所	11	140	4.0	11.0