区域作物产量估计在社会食品安全生产中起着重要作用。由于作物生长模型能够模拟作物的整个生长过程，并能最终预报作物产量，因此在区域作物产量估计中起着重要作用，但是输入数据、模型参数和模型结构等方面的不确定性，导致最终的模拟结果也存在较大的不确定性。因此本文以中国西北张掖盈科绿洲为主要研究区，首先针对作物生长模型中的参数不确定性进行了探讨，在此基础上，利用顺序数据同化算法，研究了减小作物生长模型在区域应用时，由于地表状况、田间管理等空间异质性产生的产量估计不确定性问题。\n 由于模型参数是模型模拟的主要不确定来源，参数估计方法往往能够减小这种不确定性，但是对包含大量参数的作物生长模型来说，估计所有模型参数是不现实的，因此利用参数敏感性分析算法确定待校正参数成为精确模拟的一个必要的步骤。\n 参数敏感性分析目前已成为模型应用、模型改进、模型发展的一个基本工具。本文采用傅里叶灵敏度检验方法(EFAST)分析作物生长模型WOFOST的参数敏感性，该算法考虑参数交互作用对参数敏感性的影响，具有高效、省时的特征。在此主要对参数敏感性分析算法应用过程中的几个问题进行探讨，包括参数样本和参数取值范围对参数敏感性的影响，参数敏感性的时间属性，针对多种输出变量的参数敏感性。结果显示，不仅样本大小会显著影响敏感性指数的收敛性，而且参数取值范围对参数敏感性的影响，也存在明显差异，如果选取的参数取值范围不同，不但影响参数的敏感性，同时还影响反映参数相互作用的总敏感性指数;但参数分布对参数敏感性影响较小。另外，以不同生育期的籽粒生物量作为目标变量，可以看出参数敏感性存在明显的时间属性特征。在整个生育期，存在几个明显的敏感参数区，即叶片在35℃以上的生命期(SPAN)，成熟期漫射光的消光系数(DVS=2.0)(KDIFFTB2.0)，温度为40℃时单叶的光能利用率(EFFTB40)，叶片最大CO2同化速率(DVS=1.5)(AMAXTB1.5)，籽粒转化效率(CVO)，温度每增加10℃时的呼吸速率的相对增加量(Q10)，叶片和茎秆的相对维持呼吸速率(RML和RMS)，地上部干物质向叶的分配比例(DVS=0.33)(FLTB0.33)，地上部干物质向籽粒的分配比例(DVS=1.1和DVS=1.2)(FOTB1.1和FOTB1.2)。对12个最重要的参数的敏感性时间属性的重点分析也表明，虽然某些参数对最终的产量没有影响，但是在某一生育期，可能起到了关键作用，而部分参数的敏感性则是逐渐增加的。针对不同目标状态变量的参数敏感性分析也表明，不同的状态变量，对其起主要作用的敏感性参数也是不同的。以上结果表明，在进行参数敏感性分析时，综合考虑参数敏感性分析的多种属性，根据模型的应用目标，才便于具体辨识模型各组成结构的作用，并对模型进行正确的改进和发展。\n 其次，在基于WOFOST模型参数敏感性分析的基础上，开展了利用顺序数据同化算法进行区域产量预报的研究。作物生长模型在模拟作物生长过程中起着重要作用，但当应用到区域尺度时，由于地表状况、田间管理措施、输入数据、参数等存在较大的空间异质性，模拟结果存在较大的不确定性。而大量的观测信息，包括遥感获取的区域数据和地面点观测数据，能够提供相对真实的地表状况。数据融合技术通过综合作物生长模型和观测的优势，为估计区域作物产量提供了一种新的手段。因此，在该方法论基础上，提出了一个基于两种数据—模型融合算法的区域作物产量估计框架。第一步先基于点多源观测数据，利用模拟退火算法，获得了一个适合于该区域的最佳参数矢量集。参数估计后，2008年盈科绿洲点尺度作物的模拟产量均方根误差(RMSE)从1676.00kg/ha减小到4.00kg/ha; GPP从11.40g C m-2d-1减小到4.13g C m-2d-1;2009年到2011年，GPP模拟值和观测值之间的相关系数分别为0.941、0.967和0.962。其后，该优化模型应用于顺序数据同化中，通过同化CHRIS叶面积指数空间数据，用于提高WOFOST作物生长模型在区域尺度应用时的精度。利用50个样点的地面产量观测数据，对顺序数据同化数值试验的结果验证表明，该顺序数据同化过程能够提供精确的区域作物产量，其产量估计RMSE为339.14kg/ha。最终，通过融合盈科绿洲整个玉米区的CHRIS-LAI影像，获得了一个精确的作物产量空间分布图。
暂无评论