為了探索準確、高效地估算冬小麥地上生物量（Dry aerial mass,DAM）的方法,獲取了2013—2014年和2014—2015年2個生長季的冬小麥試驗數(shù)據(jù),采用植被指數(shù)反演葉面積指數(shù)（LAI）,以遙感反演LAI作為遙感與SAFY（Simple algorithm for yield estimates）模型之間的耦合變量,利用主成分分析的復(fù)合型混合演化（Shuffled complex evolution with PCA,SP-UCI）算法優(yōu)化出苗日期（D0）、有效光能利用率（ELUE）和衰老溫度（STT） 3個敏感參數(shù),對冬小麥全生育期進行動態(tài)生長模擬。結(jié)果表明,2014—2015年和2013—2014年冬小麥全生育期模型模擬地上生物量R²、RMSE和NRMSE分別為0. 887、1. 001 t/hm²、19. 41%和0. 856、1. 033 t/hm²、19. 86%。研究表明,耦合高光譜遙感與SAFY作物生長模型能夠準確地模擬冬小麥長勢的動態(tài)變化,對冬小麥地上生物量估算精度較高,可為遙感監(jiān)測冬小麥... 

【文章來源】：農(nóng)業(yè)機械學(xué)報. 2020,51(02)北大核心EICSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 試驗區(qū)概況
    1.2 數(shù)據(jù)采集
        1.2.1 氣象數(shù)據(jù)
        1.2.2 高光譜數(shù)據(jù)
        1.2.3 農(nóng)學(xué)數(shù)據(jù)(LAI、地上生物量)采集
    1.3 研究方法
        1.3.1 光譜指數(shù)
        1.3.2 SAFY模型
        1.3.3 SP-UCI算法
        1.3.4 模型參數(shù)優(yōu)化
            1.3.4. 1 非敏感參數(shù)調(diào)試
            1.3.4. 2 敏感參數(shù)調(diào)試
    1.4 模型精度評價
2 結(jié)果與分析
    2.1 LAI反演模型構(gòu)建與分析
    2.2 LAI反演模型精度驗證
    2.3 冬小麥生長過程模擬
        2.3.1 LAI生長模擬
        2.3.2 DAM生長模擬
    2.4 模擬值與實測值對比分析
3 討論
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于作物生長模型參數(shù)調(diào)整動態(tài)估測夏玉米生物量[J]. 李衛(wèi)國,顧曉鶴,王爾美,陳華,葛廣秀,張琤琤.  農(nóng)業(yè)工程學(xué)報. 2019(07)
[2]遙感與作物生長模型數(shù)據(jù)同化應(yīng)用綜述[J]. 黃健熙,黃海,馬鴻元,卓文,黃然,高欣然,劉峻明,蘇偉,李俐,張曉東,朱德海.  農(nóng)業(yè)工程學(xué)報. 2018(21)
[3]基于遙感信息和WOFOST模型參數(shù)同化的冬小麥單產(chǎn)估算方法研究[J]. 陳艷玲,顧曉鶴,宮阿都,胡圣武.  麥類作物學(xué)報. 2018(09)
[4]融合無人機光譜信息與紋理信息的冬小麥生物量估測[J]. 劉暢,楊貴軍,李振海,湯伏全,王建雯,張春蘭,張麗妍.  中國農(nóng)業(yè)科學(xué). 2018(16)
[5]基于無人機數(shù)碼影像的玉米育種材料株高和LAI監(jiān)測[J]. 牛慶林,馮海寬,楊貴軍,李長春,楊浩,徐波,趙衍鑫.  農(nóng)業(yè)工程學(xué)報. 2018(05)
[6]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(xué). 2018(05)
[7]作物生長模型與定量遙感參數(shù)結(jié)合研究進展與展望[J]. 吳蕾,柏軍華,肖青,杜永明,柳欽火,徐麗萍.  農(nóng)業(yè)工程學(xué)報. 2017(09)
[8]Sentinel-2數(shù)據(jù)的冬小麥地上干生物量估算及評價[J]. 鄭陽,吳炳方,張淼.  遙感學(xué)報. 2017(02)
[9]基于遙感信息的農(nóng)作物生物量估算研究進展[J]. 王淵博,馮德俊,李淑娟,武文娟,任紅艷.  遙感技術(shù)與應(yīng)用. 2016(03)
[10]基于高光譜遙感的植被生物量反演方法研究[J]. 范云豹,宮兆寧,趙文吉,張敏.  河北師范大學(xué)學(xué)報(自然科學(xué)版). 2016(03)



本文編號：3638331