遙感(RS)的實(shí)時(shí)性、區(qū)域性與作物生長模型的機(jī)理性、預(yù)測(cè)性優(yōu)勢(shì)互補(bǔ),RS信息與作物模型的結(jié)合是實(shí)現(xiàn)區(qū)域化作物產(chǎn)量精確預(yù)測(cè)的有效方法。其中順序同化法以對(duì)某一時(shí)刻模型模擬值的優(yōu)化可提高其后時(shí)刻的模擬精度為前提,同時(shí)考慮了 RS觀測(cè)值與作物生長模型的模擬誤差,是目前RS-模型耦合的研究熱點(diǎn)之一。直接利用RS信息作為同化參數(shù)在一定程度上避免了 RS反演農(nóng)學(xué)參數(shù)過程所產(chǎn)生的誤差,從理論上講有一定優(yōu)勢(shì)。目前,RS-模型耦合的過程主要采用逐象元計(jì)算的方法,在區(qū)域尺度上面臨著很大的計(jì)算量。因此,如何提高耦合模型的計(jì)算效率也成為RS-模型耦合的研究熱點(diǎn)之一。本文將小麥生長模型(WheatGrow)與PROSAIL模型相連接,進(jìn)而與RS信息相耦合,以LAI為狀態(tài)變量,不同生育期的小麥植被指數(shù)(VI)作為耦合參數(shù),構(gòu)建了一種同化RS反演的與WheatGrow-PROSAIL耦合模型模擬的時(shí)序性植被指數(shù)(VIs)的順序同化方法,以獲得最優(yōu)的葉面積指數(shù)序列(LAIs),并以此驅(qū)動(dòng)WheatGrow模型更準(zhǔn)確的模擬了冬小麥生長指標(biāo)和籽粒產(chǎn)量。借鑒管理分區(qū)的方法,對(duì)影響小麥生長的重要土壤養(yǎng)分指標(biāo)(堿解氮、有機(jī)質(zhì)和速...

【文章頁數(shù)】：80 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1 研究概述
        1.1 作物生長模型研究進(jìn)展
        1.2 基于遙感的作物監(jiān)測(cè)預(yù)測(cè)研究進(jìn)展
        1.3 遙感與生長模型耦合研究進(jìn)展
        1.4 植被輻射傳輸模型研究進(jìn)展
        1.5 模擬分區(qū)研究進(jìn)展
    2 研究的目的與意義
    參考文獻(xiàn)
第二章 技術(shù)路線與研究方法
    1 研究?jī)?nèi)容與技術(shù)路線
        1.1 研究?jī)?nèi)容
        1.2 核心技術(shù)路線
    2 順序同化方法
        2.1 數(shù)據(jù)同化算法
        2.2 數(shù)據(jù)同化過程
    3 材料與方法
        3.1 試驗(yàn)設(shè)計(jì)
        3.2 數(shù)據(jù)獲取
        3.3 模型
    4 系統(tǒng)的集成與構(gòu)建
        4.1 利用IDL組件實(shí)現(xiàn)PROSAIL模型模塊
        4.2 利用GIS組件開發(fā)系統(tǒng)的區(qū)域功能模塊
        4.3 利用Visual C#為平臺(tái)調(diào)用遙感信息處理模塊和模型組件
    參考文獻(xiàn)
第三章 基于模擬分區(qū)的小麥籽粒產(chǎn)量預(yù)測(cè)研究
    1 材料與方法
        1.1 試驗(yàn)設(shè)計(jì)
        1.2 數(shù)據(jù)獲取與利用
        1.3 數(shù)據(jù)分析方法
        1.4 模型
        1.5 優(yōu)化算法
        1.6 遙感-模型耦合流程
    2 結(jié)果與分析
        2.1 田塊尺度驗(yàn)證
        2.2 研究區(qū)土壤養(yǎng)分指標(biāo)與小麥冠層SAVI的空間異質(zhì)性分析
        2.3 基于土壤-遙感長勢(shì)結(jié)合的小麥生長模擬分區(qū)
        2.4 基于模擬分區(qū)的區(qū)域小麥籽粒產(chǎn)量模擬分析
    3 討論與小結(jié)
    參考文獻(xiàn)
第四章 基于時(shí)序性遙感信息的小麥生長監(jiān)測(cè)預(yù)測(cè)研究
    1 材料與方法
        1.1 試驗(yàn)設(shè)計(jì)
        1.2 數(shù)據(jù)獲取
        1.3 數(shù)據(jù)分析與利用
        1.4 遙感數(shù)據(jù)融合
        1.5 模型
        1.6 優(yōu)化算法
        1.7 遙感-模型耦合流程
    2 結(jié)果與分析
        2.1 不同時(shí)空分辨率遙感數(shù)據(jù)融合
        2.2 同化不同植被指數(shù)對(duì)模型預(yù)測(cè)精度的影響
        2.3 分時(shí)期同化遙感信息對(duì)模型精度的影響
        2.4 基于同化時(shí)序性遙感信息的小麥生長及產(chǎn)量預(yù)測(cè)
    3 討論與小結(jié)
    參考文獻(xiàn)
第五章 討論與結(jié)論
    1 討論
        1.1 基于模擬分區(qū)的耦合技術(shù)
        1.2 基于時(shí)序性遙感信息的耦合技術(shù)
        1.3 今后的研究設(shè)想
    2 本研究的特色和創(chuàng)新
    3 結(jié)論
    參考文獻(xiàn)
附錄Ⅰ 碩士期間發(fā)表或投稿的論文
附錄Ⅱ 碩士期間參與科研項(xiàng)目
致謝



本文編號(hào)：3762316