基于无人机遥感与WOFOST模型数据同化的夏玉米产量估计

扫码查看

原文链接

NETL

中文摘要：田块尺度的作物快捷精准估产可对农业生产管理提供有效支持，是发展精准农业的迫切需求。作物模型可以实现对作物生长发育状况的模拟，无人机遥感具有较高的时空分辨率，能快速准确地获得中小区域的作物生长状况。将遥感数据和作物模型相结合以提高作物产量的估算精度已经成为近年来的研究热点。本文以夏玉米为主要的研究对象，利用无人机遥感的方式来获取研究区域的多光谱影像，结合田间实测LAI通过回归方法完成夏玉米LAI反演；利用本地区2014年至2016年夏玉米试验资料数据完成WOFOST模型参数的本地化，通过集合卡尔曼滤波算法将试验区的遥感数据与作物模型进行同化，同时结合历史气象数据，实现了对夏玉米产量的预测。主要结论如下：（1）各处理下，植被指数NDVI与叶面积指数LAI相关性最高，植被指数SAVI与叶面积指数的相关性较小，植被指数MSAVI2与叶面积指数呈现负相关。建模结果显示，各处理下均为LAI-NDVI模型表现较好。CK处理下LAI-NDVI模型R2为0.84，模型预测值和实测值的RMSE和RE分别为0.21和11.04%。N1处理下LAI-NDVI模型R2为0.70，模型预测值和实测值的RMSE和RE分别为0.29和13.75%。N2处理下LAI-NDVI模型R2为0.63，模型预测值和实测值的RMSE和RE分别为0.28和8.98%。N3处理下LAI-NDVI模型R2为0.79，模型预测值和实测值的RMSE和RE分别为0.25和9.95%。（2）利用田间实测数据对WOFOST模型的发育参数以及土壤参数进行了调整，使用PEST软件对敏感性较高的十种作物参数进行了标定，标定后的模型能够较好的模拟本研究地区夏玉米的生长，其中各个验证指标的一致性指数d均超过了0.9，标准均方根误差nRMSE均在25%左右。使用遥感观测数据与WOFOST模型进行了同化，各处理同化后的产量和模拟精度均比之前有所提高，相对误差RE均小于3%，遥感数据同化可以很好地校正模型产量模拟的结果。分析了不同同化方案对同化后模拟产量的影响，结果表明，最佳同化次数应该大于等于3次，在夏玉米开花期至灌浆期进行同化能获得较好的产量模拟结果。（3）结合历史气象数据以及集合卡尔曼滤波算法能对夏玉米产量进行有效预测。各处理下，9月21日的产量预测集合变异系数最小。9月6日的预测产量与实测产量相对误差最小，其中，CK处理预测产量与实测产量的RE为2.44%，N1处理预测产量与实测产量的RE为0.94%，N2处理预测产量与实测产量的RE为0.84%，N3处理预测产量与实测产量的RE为1.93%。9月6日的预测产量比其他四种同化方案的预测产量精度更高。综上所述，作物模型结合无人机遥感技术能够较好地估算夏玉米产量，并且基于历史气象数据的数据同化方法可以较为准确地预测夏玉米产量，因此本研究可为夏玉米产量准确估算与预测提供理论参考。

作者：

陈浩

展开 >

关键词：

无人机遥感影像 WOFOST模型集合卡尔曼滤波夏玉米产量预测

授予学位：

硕士

学科专业：

农业水土工程

导师：

冯浩

学位年度：

2021

学位授予单位：

西北农林科技大学

语种：

中文

中图分类号：