準確的獲取作物長勢信息、產(chǎn)量預(yù)報以及需水量等對于農(nóng)田生產(chǎn)管理、農(nóng)業(yè)灌溉決策和保障糧食安全具有重要的意義。基于遙感數(shù)據(jù)與作物模型的同化框架系統(tǒng),能夠在兩者進行優(yōu)勢互補的基礎(chǔ)上,一方面能夠提供作物信息“真值”以輔助修正模擬偏差,也有效的降低模型在初始條件和模型參數(shù)上區(qū)域性獲取的難度。另一方面綜合考慮到了作物生長發(fā)育過程中的內(nèi)在機理性,是目前作物生長監(jiān)測發(fā)展的重要方向。本研究以冬小麥為研究對象,以連續(xù)兩生長季度不同灌溉場景試驗為依托,全面分析了光譜特征參量、植被指數(shù)、偏最小二乘法和兩種機器學習方法對葉面積指數(shù)的反演能力,建立了葉面積指數(shù)估算模型;對原SAFY-FAO模型水分脅迫響應(yīng)過程進行了改進,并利用擴展傅里葉幅度法（Extended Fourier Amplitude Sensitivity Test,EFAST）對模型中關(guān)鍵參數(shù)對葉面積指數(shù)變化影響進行敏感性分析,篩選敏感性參數(shù)作為待優(yōu)化參數(shù)。通過SCE-UA（Shuffled Complex Evolution）優(yōu)化算法同化冠層光譜反演葉面積指數(shù)和作物模型,確定參數(shù)最優(yōu)值,建立田間尺度的光學遙感與作物模型的同化系統(tǒng)框架。利用兩個生長季... 

【文章來源】：西北農(nóng)林科技大學陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：114 頁

【學位級別】：博士

【部分圖文】：

研究區(qū)地理位置圖

(mm)TreatmentsWinterdormancyReviving Jointing Heading FillingIrrigationquotaTotal irrigationdepthI40DW-R× × √ √ √ 40 120I40DR-J√ × × √ √ 40 120I40DJ-H√ √ × × √ 40 120I40DH-F√ √ √ × × 40 120I80DW-R× × √ √ √ 80 240I80DR-J√ × × √ √ 80 240I80DJ-H√ √ × × √ 80 240I80DH-F√ √ √ × × 80 240I80(Control)√ √ √ √ √ 80 400注：‘I’表示灌水定額，其下標為灌水水平；‘D’表示受旱時段，其下標大寫字母為受旱階段。Note: “I” denotes irritation depth of either 80 or 40 mm at each growth stage, except for no irrigation at two consecutivestages denoted by the two initials after letter “D”, where subscript is the capitalized first letter of the growth stages,sequentially.

圖 2-3 冬小麥試驗圖片描述。（A）灌溉場景；（B）遮雨棚關(guān)閉場景Fig. 2-3. The descriptive of winter wheat irrigation experiment. (A) scene of plot after irrigation; (B) sceneof plot after shelter closed.試驗選取陜西關(guān)中地區(qū)主栽的冬小麥品種之一的小偃 22 作為供試品種，播種日期分別為 2013 年和 2014 年的 10 月 15 日，收獲日期分別為 2014 年 6 月 7 日和 2015 年 6月 2 日。試驗小區(qū)面積 2 m ×4 m，采用條播種植方式，播種密度為 4×106株每公頃，播種深度為 5 cm，共播種 9 行（行間距約為 25 cm）。小區(qū)之間鋪設(shè) 1.5 m 深的防水層防止水分水平運移。小區(qū)上層配有移動式遮雨棚在雨雪天氣時關(guān)閉防止降水影響。播種前分別施用140 kg ha-1氮肥和50 kg ha-1P2O5, 其他田間管理措施遵循當?shù)貙嶋H田間管理方式。2.3 試驗觀測項目與測定方法2.3.1 作物冠 光譜 量作物光譜采用美國 ASD 公司生產(chǎn)的 FieldSpec 3 型便攜式地物光譜儀（AnalyticalSpectral Devices, Inc., Boulder, Colorado, USA）對冬小麥冠層進行光譜測定。光譜儀波段

【參考文獻】：
期刊論文
[1]基于高分一號WFV影像的隨機森林算法反演水稻LAI[J]. 劉振波,鄒嫻,葛云健,陳健,曹雨濛.  遙感技術(shù)與應(yīng)用. 2018(03)
[2]A simulation of winter wheat crop responses to irrigation management using CERES-Wheat model in the North China Plain[J]. ZHOU Li-li,LIAO Shu-hua,WANG Zhi-min,WANG Pu,ZHANG Ying-hua,YAN Hai-jun,GAO Zhen,SHEN Si,LIANG Xiao-gui,WANG Jia-hui,ZHOU Shun-li.  Journal of Integrative Agriculture. 2018(05)
[3]基于隨機森林算法的冬小麥葉面積指數(shù)遙感反演研究[J]. 張春蘭,楊貴軍,李賀麗,湯伏全,劉暢,張麗妍.  中國農(nóng)業(yè)科學. 2018(05)
[4]基于光能利用率模型的松嫩平原玉米單產(chǎn)估算[J]. 史曉亮,楊志勇,王馨爽,薛羽梅,劉峰.  水土保持研究. 2017(05)
[5]基于遙感和AquaCrop作物模型的多同化算法比較[J]. 邢會敏,李振海,徐新剛,馮海寬,楊貴軍,陳召霞.  農(nóng)業(yè)工程學報. 2017(13)
[6]基于光能利用率模型的河南省冬小麥單產(chǎn)估算研究[J]. 周磊,李剛,賈德偉,劉佳,黃燦輝.  中國農(nóng)業(yè)資源與區(qū)劃. 2017(06)
[7]基于WOFOST模型的中國主產(chǎn)區(qū)冬小麥生長過程動態(tài)模擬[J]. 黃健熙,賈世靈,馬鴻元,侯英雨,何亮.  農(nóng)業(yè)工程學報. 2017(10)
[8]基于線性回歸算法的春玉米葉面積指數(shù)的冠層高光譜反演研究[J]. 王宏博,趙梓淇,林毅,馮銳,李麗光,趙先麗,溫日紅,魏楠,姚欣,張玉書.  光譜學與光譜分析. 2017(05)
[9]基于EFAST方法的AquaCrop作物模型參數(shù)全局敏感性分析[J]. 邢會敏,相詩堯,徐新剛,陳宜金,馮海寬,楊貴軍,陳召霞.  中國農(nóng)業(yè)科學. 2017(01)
[10]基于作物及遙感同化模型的小麥產(chǎn)量估測[J]. 解毅,王鵬新,王蕾,張樹譽,李俐,劉峻明.  農(nóng)業(yè)工程學報. 2016(20)

博士論文
[1]基于遙感與作物模型同化的冬小麥節(jié)水灌溉研究[D]. 邢會敏.中國礦業(yè)大學(北京) 2018
[2]基于無人機高光譜遙感的東北粳稻生長信息反演建模研究[D]. 于豐華.沈陽農(nóng)業(yè)大學 2017
[3]不同水分供應(yīng)條件下夏玉米農(nóng)田SPAC系統(tǒng)水熱傳輸模擬[D]. 虞連玉.西北農(nóng)林科技大學 2016
[4]冬小麥高光譜特征及其生理生態(tài)參數(shù)估算模型研究[D]. 姚付啟.西北農(nóng)林科技大學 2012
[5]遙感數(shù)據(jù)與作物生長模型同化方法及其應(yīng)用研究[D]. 王東偉.北京師范大學 2008
[6]基于遙感與作物生長模型的冬小麥生長模擬研究[D]. 郭建茂.南京信息工程大學 2007

碩士論文
[1]遙感數(shù)據(jù)與作物模型同化的冬小麥估產(chǎn)研究[D]. 王麗媛.浙江大學 2018
[2]基于改進CASA模型的小區(qū)域冬小麥遙感估產(chǎn)研究[D]. 劉真真.河南大學 2016
[3]基于集合Kalman濾波的作物生長模型與遙感數(shù)據(jù)的同化研究[D]. 范麗穎.中國農(nóng)業(yè)科學院 2012
[4]基于遙感信息的華北冬小麥區(qū)域生長模型及其模擬研究[D]. 馬玉平.中國氣象科學研究院 2004



本文編號：3091001