[发明专利]同化卫星荧光数据与作物生长模型的区域冬小麦估产方法

说明书

本发明实施例提供一种同化卫星荧光数据与作物生长模型的区域冬小麦估产方法，包括：模型参数敏感性分析以及模型参数标定；在SIF数据同化系统的外层，根据参数标定结果将SIF卫星遥感数据与SCOPE模型进行同化，由同化后的模型得到日累积GPP；在SIF数据同化系统的内层，同化该系统外层所得的日累积GPP与WOFOST模型模拟的日累积GPP；耦合数值天气预报数据获得WOFOST模型输出的待估产区域的冬小麦产量预报结果。本发明实施例将SIF卫星遥感数据引入到过程模型，从光合作用的角度建立与产量的机理性联系，从优化农作物光合作用过程开展区域产量预报。

技术领域

本发明实施例涉及农业技术领域，更具体地，涉及一种同化卫星荧光数据与作物生长模型的区域冬小麦估产方法。

背景技术

为了对冬小麦的产量进行估算，现有技术中发展了一系列基于叶面积指数、土壤水分、反射率或植被指数为同化变量的遥感与机理过程模型数据同化系统，在区域冬小麦长势、灾害监测和产量预报上取得了重要成果。但是，现有技术中的这些同化变量无法从光合作用的角度建立与产量的机理性联系，因此，在定量监测冬小麦生长过程和产量预报方面存在局限性。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的同化卫星荧光数据与作物生长模型的区域冬小麦估产方法。

本发明实施例提供一种同化卫星荧光数据与作物生长模型的区域冬小麦估产方法，该方法包括：将冬小麦种植区域划分为多个格网，选择冬小麦面积占比大于设定比例的格网作为待估产区域；根据环境指标数据将所述待估产区域划分为多个种植分区，获取种植分区的设定分辨率的日光诱导叶绿素荧光(Sun-Induced chlorophyll Fluorescence,SIF)遥感数据；对WOFOST模型进行全局敏感性分析，获得对植被总初级生产力(GrossPrimary Productivity,GPP)、产量敏感的参数集；对SCOPE模型进行全局敏感性分析，获得对SIF、GPP的敏感的参数集；按照种植分区对所述敏感参数集中的敏感参数进行参数标定和不确定性评估；在SIF数据同化系统的外层，将SIF遥感数据与参数标定后的SCOPE模型进行同化，由同化后的模型得到日累积GPP；在SIF数据同化系统的内层，同化所述系统外层所得的日累积GPP与WOFOST模型模拟的日累积GPP，得到优化后的日累积GPP；基于优化后的GPP，以气象预报数据驱动WOFOST模型，获得WOFOST模型输出的所述待估产区域的冬小麦产量预报结果。

本发明实施例提供的同化卫星荧光数据与作物生长模型的区域冬小麦估产方法，通过SIF遥感数据与机理过程模型同化的方法，将SIF遥感数据引入到过程模型，从光合作用的角度建立与产量的机理性联系，从优化农作物光合作用过程开展区域产量预报。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他附图。

图1为本发明实施例提供的同化卫星荧光数据与作物生长模型的区域冬小麦估产方法的流程示意图；

图2为本发明实施例提供的区域产量集合预报示意图；

图3为本发明实施例提供的产量高于8000kg/ha概率预报示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。