xiaolixiaoli123的个人博客分享 http://blog.sciencenet.cn/u/xiaolixiaoli123

博文

遥感数据与作物模型同化实践

已有 980 次阅读 2023-9-13 16:14 |个人分类:农业|系统分类:科研笔记

 基于过程的作物生长模拟模型DSSAT是现代农业系统研究的有力工具,可以定量描述作物生长发育和产量形成过程及其与气候因子、土壤环境、品种类型和技术措施之间的关系,为不同条件下作物生长发育及产量预测、栽培管理、环境评价以及未来气候变化评估等提供了定量化工具。但是,当作物生长模型从单点研究发展到区域尺度应用时,由于空间尺度增大而出现的地表、近地表环境非均匀性问题,导致模型中一些宏观资料的获取和参数的区域化方面存在很多困难,模型模拟结果也会存在很大的不确定性,而遥感信息在很大程度上可以帮助作物生长模型克服这些不足。
       国产卫星(如HJ、GF、ZY)、MODIS、Landsat、Sentinel-2等遥感数据是进行大范围作物生长状态监测的有效手段;作物生长模型能够利用环境因素模拟作物生长过程,揭示作物生长发育的原因与本质。随着科学技术发展和农业应用需求的驱动,数据同化方法将遥感数据与作物生长模型相结合,监测作物长势及预测作物产量,是当前农业信息技术应用研究的重要内容和发展趋势之一。二者结合既能提供宏观监测信息,又可动态反映作物生长发育过程,有利于实现优势互补,提升应用潜力。

目前在基于数据同化方法耦合遥感与作物模型开展作物估产方面,尚未有成熟的商业软件面世。那么掌握遥感与作物模型同化的基础知识,与传统的作物遥感监测方法的区别与联系尤为重要。解决农业生产科研中的相关科学问题,数据同化方法在作物长势监测及产量估算应用时需要掌握的经验及编程技巧您会了吗?


主要涉及遥感数据与作物模型同化建模中的遥感数据、PROSAIL模型、DSSAT模型、参数敏感性分析、数据同化算法、模型耦合、精度验证等主要环节

一:遥感基础理论知识

  • 遥感平台(如无人机)与传感器、国内外主要陆地卫星(如Landsat、SPOT、HJ、GF)

  • 遥感基本原理、光谱响应函数、遥感数据处理流程

  • 遥感在陆地生态系统监测方面的应用

二:作物长势监测与产量估算国内外研究进展

  • 国内外研究综述

  • 研究实例分析

三:Fortran编程语言

软件安装(使用xp/win7/win8/win10专业版笔记本)

工程文件建立、基本语法操作

四:作物参数遥感反演基本原理

  • 遥感反演作物参数类型

  • 生化组分

(叶绿素、氮、干物质、叶片水分含量、花青素)

  • 生物物理参数

(LAI、LAD、株高、生物量)

  • 生理生态参数

(FPAR、ET)

  • 作物参数遥感反演模型

  • 经验模型

线性模型

指数模型

对数模型

物理模型

  • 辐射传输模型

  • 几何光学模型

混合模型

计算机模拟模型

不同方法对比分析

1694592183953.jpg

PROSAIL模型

输入参数:LAI/LAD/叶绿素/花青素/干物质/类胡萝卜素/水分含量/…

输出参数:植被冠层反射率

以FORTRAN代码为例上机操作反射率模拟流程

 模拟叶片反射率与透射率

模拟植被冠层400-2500 nm高光谱反射率曲线

模拟Landsat OLI、MODIS等遥感传感器多光谱反射率数据

1694592236739.jpg

参数敏感性分析

待优化参数选择

局部敏感性分析

全局敏感性分析

 EFAST敏感性分析方法介绍 SIMLAB软件操作流程

1694592261247.jpg

1694592306401.jpg

1694592312658.jpg

遥感反演过程中的代价函数求解问题

 代价函数构建

反演方式

反演参数

“病态”问题

先验知识

 函数极值问题

 反演算法介绍

优化技术

查找表

神经网络

模拟退火

应用案例分析

1694592363147.jpg

基于查找表方法+PROSAIL模型的作物参数遥感反演

查找表原理

查找表实现

基于查找表和PROSAIL模型的作物参数遥感反演

基于优化算法+PROSAIL模型的作物参数遥感反演

代价/目标函数极值求解

 测试函数极值求解

优化算法求解PROSAIL模型参数

待求解作物参数最优值提取

作物模型程序化表达与运行

 模型分类

经验模型

半机理模型

机理模型

模型选取原则

 模型调试

模型标定

模型对比分析

应用案例分析

模型运行(以DSSAT作物模型为例、FORTRAN源码)

时间序列植被参数(如叶面积指数)演化模拟

作物参数(如LAI)时间序列变化及产量模拟过程

1694592401206.jpg

十一 作物模型与遥感数据同化建模原理

作物模型与遥感观测耦合的必要性

作物模型优缺点

遥感观测优缺点

 耦合必要性

耦合方法

驱动法

原理

程序实现过程

应用实例

数据同化方法

发展历程

 数据同化算法介绍

方法对比分析

作物模型参数敏感性分析

待优化参数选择

局部敏感性分析

全局敏感性分析

作物模型与遥感数据同化

同化遥感反演结果(如LAI遥感产品)

同化遥感观测反射率

1694592471594.jpg1694592471594.jpg

十二 作物模型与遥感反演值同化建模的程序化实现(第一种方式)

作物模型与遥感反演值同化建模框架

Fortrtan操作平台

 遥感反演结果(如叶面积指数)

作物模型

变分算法

代价函数构建

迭代求解

输出:作物关键参数时间序列变化、产量估算结果、区域制图

1694592501242.jpg

1694592536711.jpg

十三 作物模型与遥感反射率同化建模的程序化实现(第二种方式)

作物模型与遥感反射率同化建模框架

Fortrtan操作平台

 遥感观测反射率

 作物模型

植被冠层反射率模型

 PROSAIL前向模型反射率模拟

耦合模型构建(作物模型+冠层反射率模型)

 变分算法

 代价函数构建

 迭代求解

输出:作物关键参数时间序列变化、产量估算结果、区域制图

1694592561389.jpg

原文链接



https://blog.sciencenet.cn/blog-3559456-1402507.html

上一篇:【农业生产模拟】WOFOST模型与PCSE模型
下一篇:利用区域地面气象要素驱动数据集(CMFD)和CN05.1气候数据格点化气象数据驱动Biome-BGC在区域上进行模拟
收藏 IP: 111.225.75.*| 热度|

2 郑永军 杨正瓴

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-24 03:27

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部