基于遥感信息和DSSAT--SUBSTOR模型数据同化的区域马铃薯产量估算

摘要

马铃薯是世界第三大粮食作物。从2015年起，我国农业部提出马铃薯“主粮化”战略，马铃薯将成为我国的第四大主粮作物，因此对马铃薯的产量进行估算具有非常重要的现实意义。通过将遥感数据和作物生长模型相结合来提高作物产量的估算精度是近些年的研究热点。本文选取吉林省长春市九区市兴隆镇和纪家镇为研究区域，马铃薯为研究对象。在采集马铃薯冠层反射光谱和叶面积指数(LAI)的基础上，利用高分一号影像提取马铃薯的种植区，并利用统计回归方法实现LAI的遥感反演。利用EFAST全局敏感性分析方法对DSSAT-SUBSTOR作物生长模型的输入参数进行敏感性分析，对马铃薯的产量和LAI敏感的参数将作为数据同化过程中的待优化参数。然后，通过构建遥感反演LAI和模型模拟LAI的最小代价函数将遥感数据和作物生长模型结合起来，通过利用SCE-UA优化算法调整待优化参数从而实现遥感数据和作物生长模型的数据同化。根据数据同化结果进行研究区域内马铃薯产量的估算。论文的主要结论如下: (1)在对高分一号遥感影像进行预处理的基础上，利用最大似然法对研究区域内的土地利用现状进行分类，提取马铃薯的种植区。分类结果表明:不同土地利用类型的总体分类精度为95.22％，kappa系数为0.93，分类精度较高。通过计算马铃薯的植被指数和叶面积指数，利用统计回归方法完成LAI的遥感反演，反演结果表明:研究区内马铃薯的归一化差值植被指数NDVI与叶面积指数LAI的拟合度最高，决定系数(R2)等于0.73。通过NDVI-LAI统计回归模型得到的遥感反演LAI的精度较高，反演LAI与实测LAI的决定系数(R2)等于0.88，均方根误差(RMSE)等于0.72。 (2)利用EFAST全局敏感性分析方法对DSSAT-SUBSTOR作物生长模型的输入参数进行参数敏感性分析，结果表明:块茎开始生长的临界温度上限、光周期系数、潜在块茎生长率、根生长系数、土壤排水上限、排水率、有机碳含率、土壤总氮含率、土壤溶液PH值、播种日期、灌溉日期、灌溉量和施氮量都是对马铃薯的产量和LAI敏感的参数。在DSSAT-SUBSTOR模型标定过程中，以马铃薯的出苗日、块茎起始日、最大LAI值和产量4个指标评价模型的适用性，标定结果表明:模型模拟的出苗日和块茎起始日均与实测值相同，模型模拟的最大LAI值与实测最大LAI值的平均相对误差(MRE)为1.10％，模型模拟的单产值与实测单产值的平均相对误差(MRE)为5.72％，表明DSSAT-SUBSTOR模型在单点尺度上能够以较高的精度对马铃薯的产量进行模拟。 (3)首先将DSSAT-SUBSTOR模型的输入参数进行区域化处理，获得未同化遥感数据的马铃薯估产结果。然后通过构建遥感反演LAI和模型模拟LAI的最小代价函数，利用SCE-UA优化算法调整待优化参数，实现遥感数据和作物生长模型的数据同化。结果表明:未同化遥感数据的模型估产精度较低，同化遥感数据的马铃薯估产结果更接近实测值，估产精度更高，平均相对误差(MRE)为6.17％,比未同化遥感数据的(MRE)降低了9.45％，说明将遥感LAI数据和DSSAT-SUBSTOR模型相结合能够有效地提高区域马铃薯的估产精度。