《基子AqoaCrop模型与多源遥感数据的北方冬小麦水分利用效率估算论文自然科学文章_论文-自然科学文章.pdf》由会员分享，可在线阅读，更多相关《基子AqoaCrop模型与多源遥感数据的北方冬小麦水分利用效率估算论文自然科学文章_论文-自然科学文章.pdf（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、基子 AqoaCrop 模型与多源遥感数据的北方冬小麦水分利用效率 估算 在作物灌溉管理上,水资源是作物生长的一个重要限制因子。随着人口的不 断增加,人们对生活用水和工业用水的需求也不断增加,进而导致农业水资源使 用的竞争不断加大。在灌溉农业区域,对于农业来说,水资源变得越来越缺乏。水分生产力（WP）或水分利用效率（WUE 它被作为分析水资源利用效率的一个指标）用来改善灌溉 农业地区的水资源管理。在灌溉农业区域,通过改善该地区作物的 WUE 从而解决当前该地区水资源 严重短缺和需要更多作物产量的问题。合理的田间灌溉管理措施,可以提高作物 的 WU 和增加作物的产量,进而解决灌溉农业地区水资源严
2、重不足的问题。然而,当前传统的 WUEM 量方法,需要研究人员花费大量的人力物力和时间。随着遥感技术在农业水分管理上的应用,使遥感影像数据在区域尺度上估算作物 的 WU成为可能。在本研究中,在冬小麦的整个生长阶段获得田间的 ASD 高光谱数据、卫星影 像数据（光学和雷达影像数据）、气象数据、冬小麦的叶面积指数（LAI）,冠层覆盖 度（CC）、生物量（BY）和产量（GY）等数据。基于 AquaCrop 模型和多源遥感数据对 研究区域的冬小麦 WU 进行估算研究主要包括五个方面：1）应用全局敏感性分析 方法对AquaCrop 模型的产量和相关的动态输出变量进行敏感性分析；2）在华北 平原,应用 A
3、quaCrop 模型对不同灌溉和不同播种日期的冬小麦 CC BY 和 GY 进行 模拟分析；3）整合田间 ASD 高光谱数据和 AquaCrop 模型,对冬小麦的 WUES行了 估算；4）使用环境卫星和 RADARSAT-影像数据构建新的光学-雷达整合植被指数 对冬小麦的 CC 和生物量进行估算；5）基于粒子群优化算法，将 AquaCrop 模型与 光学和雷达影像数据整合,对陕西杨凌地区的冬小麦 WU 进行估算。一些重要的结论归结为：1）作物参数敏感性随着作物参数变化范围的变化而 变化。对于一阶敏感性指数来说,当设置作物参数的变化范围在正常值 10%变化 时,作物参数对冬小麦最大干生物量从最高
4、到最低的重要性顺序为 wp、cc、stbio 和 mmcc 作物参数对春小麦最大干生物量从最高到最低的重要性顺序为 stbio、cc、wp 和 mca 与上面的研究结果类似,当设置作物参数的变化范围在正常值 30%变化时,作物参数对冬小麦和春小麦最大干生物量的重要性及选择的顺序是相同的。当设 置作物参数的变化范围在正常值 50%变化时,作物参数对冬小麦和春小麦最大 干生物量的重要性及选择的顺序存在一定的差异。对于总的敏感性指数来说,当设置作物参数的变化范围在正常值 10%变化 时,作物参数的重要性和选择的作物参数对冬小麦最大干生物量 （wp、cc、stbio、rootdep、polmn、mcc
5、,和 psto）和春小麦最大干生物量（stbio、cc,wp 和 mcc）之 间存在一些差异。然而,当设置作物参数的变化范围在正常值 30%变化时,作物 参数的重要性和选择的作物参数对冬小麦最大干生物量（wp、cc,stbio 和 mcc）和春小麦最大干生物量（wp、cc,stbio 和 mcc）之间是相同的。当设置作物参数的变化范围在正常值 50%变化时,作物参数的重要性和选 择的作物参数对冬小麦最大干生物量（wp、cc,stbio 和 mcc）和春小麦最大干生物 量（stbio、cc、wp dec、rmexup pstoshp、hilen、anaer、hi、mcc.remd,eme 和 p
6、sto）之间存在较大差异。时间序列敏感性分析结果表明,作物参数 ssc、stbio、plomn、wp cc,mcc和 num 的时间序列一阶敏感性对冬小麦或春小麦的冠层覆盖 度和干子随着人口的不断增加人们对生活用水和工业用水的需求也不断增加进而导致农业水资源使用的竞争不断加大在灌溉农业区域对于农业来说水资源变得越来越缺乏水分生产力或水分利用效率它被作为分析水资源利用效率的一个指标和需要更多作物产量的问题合理的田间灌溉管理措施可以提高作物的和增加作物的产量进而解决灌溉农业地区水资源严重不足的问题然而当前传统的量方法需要研究人员花大量的人力物力和时间随着遥感技术在农业水分管理上的应卫星影像数据光学
7、和雷达影像数据气象数据冬小麦的叶面积指数冠层覆盖度生物量和产量等数据基于模型和多源遥感数据对研究区域的冬小麦进行估算研究主要包括五个方面应用全局敏感性分析方法对模型的产量和相关的动态输出生物量最敏感 作物参数总的敏感性指数和时间序列总的敏感性指数比作物参数一阶敏感 性指数和时间序列一阶敏感性指数更加敏感。北京的冬小麦和加拿大的春小麦之 间一阶敏感性指数和时间序列一阶敏感性指数具有较好的一致性。然而,冬小麦和春小麦之间总的敏感性指数和时间序列总的敏感性指数存在 较大差异。2)本研究证明 AquaCrop 模型可以较好的模拟不同播种日期和不同灌 溉策略的冬小麦冠层覆盖度(CC),生物量(BY),产
8、量(GY)。通过 4 年的研究表明 AquaCrop 模型模拟的 CC 与实测的 CC 具有较好的一致 性。冬小麦模拟的CC 与实测的 CC 的R2,RMS 岳口 E 值变化范围分别为0.89 至V 0.98,3.18%到 7.19%和 0.90 到 0.96。模拟的 BY 与实测的 BY 具有较好的关系。实测的 BY 用来校正 AquaCrop 模型,它的预测统计误差为 0.92<R2<0.98,1.12<RMSE<1.84 ton ha-1 和 0.92<E<0.96。模拟的 GY 也与实测的 GY 具有较好的一致性,AquaCrop 模型模拟的 GY
9、也与 实测的 GY 的 R2,RMS 傣口 E 值分别为 0.93,0.52 tonha-1和 0.92。同时研究结果 也证明,在2010/2011 年冬小麦,通过频繁少量的多次灌溉可以显著地改善 BY,GY,生物量和籽粒的水分利用效率。这些结果表明 AquaCrop 模型模拟值和实际测量值具有较高的一致性和稳定 性，它可以用来模拟华北平原(NCP)不同播种日期和不同灌溉策略的冬小麦 CC,BY 和 GY 因此,我们可以得出这样的结论,AquaCrop 模型是一个有用的决策 工具,用它可以有效的优化冬小麦的播种日期和灌溉策略。子随着人口的不断增加人们对生活用水和工业用水的需求也不断增加进而导致
10、农业水资源使用的竞争不断加大在灌溉农业区域对于农业来说水资源变得越来越缺乏水分生产力或水分利用效率它被作为分析水资源利用效率的一个指标和需要更多作物产量的问题合理的田间灌溉管理措施可以提高作物的和增加作物的产量进而解决灌溉农业地区水资源严重不足的问题然而当前传统的量方法需要研究人员花大量的人力物力和时间随着遥感技术在农业水分管理上的应卫星影像数据光学和雷达影像数据气象数据冬小麦的叶面积指数冠层覆盖度生物量和产量等数据基于模型和多源遥感数据对研究区域的冬小麦进行估算研究主要包括五个方面应用全局敏感性分析方法对模型的产量和相关的动态输出3)研究结果表明，蒸渗仪获取的 ET 数据与 Aquacrop
11、 模型模拟的 ET 数据具有 较好的一致性(R2=0.96 和 RMSE=0.47 mm)植被指数 NDMI 与冬小麦生物量存在 较好的关系,对应的 R2 和 RMS 值分别为 0.84 and1.43 ton/ha。所有的植被指数与水分利用效率(WUE 具有较高的相关性,我们的研究结果 说明植被指数 TBWI 为最好的 WU 估算回归方程,对应的 R2 和 RMS 值分别为 0.73 和 0.15 kg/m3。用 AquaCrop 模型模拟的冬小麦生物量和产量与实测的冬小麦生 物量和产量存在较好的关系。本研究结果说明数据整合方法(R2=0.79 和 RMSE=0.12 kg/m3)优于经验统
12、计 植被指数方法(R2=0.72 和 RMSE=0.15 kg/m3)对冬小麦 WUE 勺估算精度。4)LAI 和 BY 与光学光谱植被指数(OSVIs;增强型植被指数,EVI;改善三角植被指数 2,MTVI2)和雷达极化植被指数(RPVIs;雷达植被指数,RVI;双向反射特征值相对 差异,DERD 存在较好的关系。光学雷达植被指数(ORVIs)MTVI2 X DERD(R2=0.67)和 MTVI2X RVI(R2=0.68)与 LAI有较高的相关性。但是,ORVIs 优化土壤调节植被指数(OSAVI)X DERD(R2=0.79)和 EVIX RVI(R2=0.80)与生物量有较高的相关性
13、。ORVIs 优于单独用 OSVIs 和 RPVIs 对 LAI和 BY 的估算精度。研究结果表 明,ORVIs 对改善冬小麦 LAI和 BY 的估算精度有很大潜力。5)使用粒子群优化算法将光学和雷达影像数据与 AquaCrop 模型进行整合,用来估算杨凌的冬小麦产量和 WUE 以CC 或 BY分别作为状态变量,预测的 CC(R2=0.66和 RMSE=10.45%和 BY(R2=0.79 和 RMSE=1.53 ton/ha)与实测的 CC 和 BY 之间有很好的一致性。当以 CC 作为状态变量时,预测的 GY(R2=0.31 和 RMSE=0.94 ton/ha)和 WUE(R2=0.34
14、和 RMSE=0.29g/m3)与实测的 GY 和 WU 有较好的一致性。当以 BY 作为状态变量时,预测的 GY(R2=0.42 和 RMSE=0.81 ton/ha)和 WUE(R2=0.4 刑 子随着人口的不断增加人们对生活用水和工业用水的需求也不断增加进而导致农业水资源使用的竞争不断加大在灌溉农业区域对于农业来说水资源变得越来越缺乏水分生产力或水分利用效率它被作为分析水资源利用效率的一个指标和需要更多作物产量的问题合理的田间灌溉管理措施可以提高作物的和增加作物的产量进而解决灌溉农业地区水资源严重不足的问题然而当前传统的量方法需要研究人员花大量的人力物力和时间随着遥感技术在农业水分管理上
15、的应卫星影像数据光学和雷达影像数据气象数据冬小麦的叶面积指数冠层覆盖度生物量和产量等数据基于模型和多源遥感数据对研究区域的冬小麦进行估算研究主要包括五个方面应用全局敏感性分析方法对模型的产量和相关的动态输出RMSE=0.25kg/m3与实测的 GY 和 WU 也有较好的一致性。研究结果表明,以 BY 作为状态变量优于以 CC 作为状态变量对冬小麦 GY 和 WUE勺估算结果。子随着人口的不断增加人们对生活用水和工业用水的需求也不断增加进而导致农业水资源使用的竞争不断加大在灌溉农业区域对于农业来说水资源变得越来越缺乏水分生产力或水分利用效率它被作为分析水资源利用效率的一个指标和需要更多作物产量的问题合理的田间灌溉管理措施可以提高作物的和增加作物的产量进而解决灌溉农业地区水资源严重不足的问题然而当前传统的量方法需要研究人员花大量的人力物力和时间随着遥感技术在农业水分管理上的应卫星影像数据光学和雷达影像数据气象数据冬小麦的叶面积指数冠层覆盖度生物量和产量等数据基于模型和多源遥感数据对研究区域的冬小麦进行估算研究主要包括五个方面应用全局敏感性分析方法对模型的产量和相关的动态输出