發(fā)布時間：2020-01-18 14:47

【摘要】：草地生物量是反映草原生態(tài)系統(tǒng)健康狀況的關(guān)鍵指標。研究草地生物量動態(tài)實時估算方法,獲取其時空連續(xù)的分布狀況,對于草原生態(tài)系統(tǒng)監(jiān)測具有重要現(xiàn)實意義。目前基于遙感手段只能獲取離散時相的生物量分布,無法揭示其內(nèi)在生長發(fā)育的連續(xù)演進規(guī)律,而作物模型正好具備此優(yōu)勢。本文以青海省烏圖美仁大草原為研究對象,以多源遙感數(shù)據(jù)和野外觀測數(shù)據(jù)為基礎(chǔ),基于集合卡爾曼濾波(Ensemble Kalman Filter,EnKF)算法,開展同化遙感定量反演參數(shù)葉面積指數(shù)(Leaf area index,LAI)到作物模型(WOrld FOod STudies,WOFOST)進行草地生物量估算的研究。最后基于野外驗證數(shù)據(jù)評價同化前后的生物量估算精度。論文主要研究成果如下:(1)為克服由輸入?yún)?shù)引起的模型模擬的不確定性,首先利用Sobol’敏感性分析方法篩選對WOFOST模型輸出敏感的作物參數(shù)。然后依據(jù)地面實測數(shù)據(jù)和優(yōu)化算法對敏感參數(shù)比葉面積、初始生物量干重、最大CO2同化率等進行調(diào)整。優(yōu)化過程分別基于實測LAI值、實測生物量、實測LAI值和生物量構(gòu)建三種不同的代價函數(shù),對比分析校正結(jié)果顯示,集成多源觀測數(shù)據(jù)校正的模型能夠更好的模擬潛在條件下的植被長勢。這為模型后續(xù)在區(qū)域上的生物量模擬奠定了基礎(chǔ)。(2)基于PROSAIL模型和查找表算法,以Landsat和MOD09A1為數(shù)據(jù)源,實現(xiàn)研究區(qū)多個時相的LAI反演。為解決該研究區(qū)植被特殊分布和病態(tài)反演問題,采取研究區(qū)分類,模型參數(shù)敏感性分析,構(gòu)建不同查找表等反演策略,最后基于實測數(shù)據(jù)對反演結(jié)果進行評價。其中,Landsat數(shù)據(jù)的反演值與實測值的決定系數(shù)R2(the deterministic coefficient)為0.89,均方根誤差(Root Mean Square Error,RMSE)為0.56;MOD09A1數(shù)據(jù)的反演值與實測值的R2為0.78,RMSE為0.61,反演精度均較高,可以應(yīng)用于后續(xù)同化過程。(3)以LAI為連接點,基于EnKF算法將反演的多時相LAI值同化到校正后的作物模型中,更新模型狀態(tài)變量,模擬研究區(qū)全年生物量在時空尺度的分布,最后基于實測數(shù)據(jù)驗證同化后的生物量估算精度。結(jié)果顯示,在驗證點上,同化2011年和2014年Landsat-LAI后,RMSE分別降低了511.44 kg/ha和1009.88 kg/ha;同化2011年MOD09A-LAI后,RMSE降低了198.7 kg/ha。為評價同化后生物量在空間分布上的表現(xiàn),本文進一步基于植被覆蓋度對不同覆蓋區(qū)的生物量進行統(tǒng)計,發(fā)現(xiàn)各植被覆蓋區(qū)在同化后,生物量的估算結(jié)果都更接近于實測值,其空間分布狀況也更符合實際情況。從而證明了本文基于數(shù)據(jù)同化的草地生物量估算方法的有效性。
【圖文】：

第一章 緒論方面兩者各具優(yōu)劣性（見圖 1-1）。研究如何結(jié)合兩者優(yōu)勢，實現(xiàn)時空連續(xù)的植被參數(shù)分布及作物預(yù)產(chǎn)具有科學價值。目前國內(nèi)外都基于數(shù)據(jù)同化技術(shù)在此方面做了諸多嘗試。國外基于同化法耦合作物生長模型與遙感數(shù)據(jù)主要從輻射傳輸模型、重新初始化/參數(shù)化變量的選擇、同化算法、優(yōu)化對象選取以及作物生長模型的區(qū)域化方法等方面開展研究，目前已經(jīng)取得了一定的研究成果[24]。根據(jù)同化思想的不同，可以分為兩種類型，（1）順序同化方法：將遙感觀測信息或反演參數(shù)融入模型預(yù)估值進行濾波處理，然后將處理后的分析值代入狀態(tài)模型進行模型演進。（2）連續(xù)數(shù)據(jù)同化方法：利用遙感反演參數(shù)或觀測數(shù)據(jù)對作物生長模型的關(guān)鍵過程進行校正或?qū)δＰ瓦M行重新初始化，從而使模型模擬值與遙感觀測值或反演值差異最小。此過程同化變量既可以選擇模型狀態(tài)變量（葉面積指數(shù)等）[59,60]，也可以選擇模型非狀態(tài)變量（植被冠層反射率或蒸散發(fā) ET 等）[61]。

順序同化法示意圖
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S812

【參考文獻】

相關(guān)期刊論文 前10條

1 馬建威;黃詩峰;李紀人;李小濤;宋小寧;冷佩;孫亞勇;;改進Sobol算法支持下的PROSAIL模型參數(shù)全局敏感性分析[J];測繪通報;2016年03期

2 候靜;杜靈通;馬菁;張學儉;;基于RS與像元二分模型的近20a寧夏植被覆蓋研究[J];水土保持通報;2015年05期

3 王靜;李新;;基于作物生長模型和多源數(shù)據(jù)的融合技術(shù)研究進展[J];遙感技術(shù)與應(yīng)用;2015年02期

4 王新云;郭藝歌;何杰;;基于多源遙感數(shù)據(jù)的草地生物量估算方法[J];農(nóng)業(yè)工程學報;2014年11期

5 行敏鋒;何彬彬;;干旱區(qū)草原地上植被生物量估算——以烏圖美仁大草原蘆葦植被為例[J];地球信息科學學報;2014年02期

6 劉峰;李存軍;董瑩瑩;王芊;王紀華;黃文江;;基于遙感數(shù)據(jù)與作物生長模型同化的作物長勢監(jiān)測[J];農(nóng)業(yè)工程學報;2011年10期

7 陳曉鵬;尚占環(huán);;中國草地生態(tài)系統(tǒng)碳循環(huán)研究進展[J];中國草地學報;2011年04期

8 馮鑫媛;龍清怡;王海霞;;西北地區(qū)太陽總輻射的氣候?qū)W計算及分布特征[J];安徽農(nóng)業(yè)科學;2011年02期

9 陳勁松;黃健熙;林琿;裴志遠;;基于遙感信息和作物生長模型同化的水稻估產(chǎn)方法研究[J];中國科學:信息科學;2010年S1期

10 胡慶芳;楊大文;王銀堂;楊漢波;;Angstrom公式參數(shù)對ET_0的影響及FAO建議值適用性評價[J];水科學進展;2010年05期

相關(guān)博士學位論文 前2條

1 王東偉;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];北京師范大學;2008年

2 郭建茂;基于遙感與作物生長模型的冬小麥生長模擬研究[D];南京信息工程大學;2007年

相關(guān)碩士學位論文 前7條

1 張明政;基于多層PROSAIL模型的玉米冠層葉面積指數(shù)垂直分布反演[D];山東農(nóng)業(yè)大學;2016年

2 劉天鳳;基于PROSAIL模型的干旱半干旱地區(qū)LAI遙感反演建模[D];蘭州大學;2015年

3 謝巧云;葉面積指數(shù)反演方法的普適性研究[D];安徽大學;2014年

4 張文智;國產(chǎn)氣象衛(wèi)星數(shù)據(jù)與作物生長模型同化的冬小麥估產(chǎn)方法研究[D];電子科技大學;2014年

5 全興文;高原濕地植被參數(shù)遙感定量反演及同化技術(shù)研究[D];電子科技大學;2013年

6 解平靜;高原濕地植被地上生物量遙感估算方法及時空變化研究[D];電子科技大學;2012年

7 劉少博;基于生態(tài)水文模型的參數(shù)估計算法和靈敏度分析算法研究[D];蘭州大學;2012年

，

本文編號：2570879