發(fā)布時間：2020-10-20 21:22

　　 目前,在“互聯(lián)網(wǎng)+”農(nóng)業(yè)的背景下,將信息技術(shù)與現(xiàn)代農(nóng)業(yè)融合,以達到農(nóng)業(yè)生產(chǎn)、栽培、管理的智能化、高效化,是我國現(xiàn)代農(nóng)業(yè)發(fā)展的必然趨勢。小麥是我國分布最廣、產(chǎn)量最高的糧食作物之一,江蘇省因其地形條件和氣候條件的優(yōu)勢,成為我國南方冬小麥的主要種植區(qū)域。因此,提高江蘇省冬小麥生長監(jiān)測的準確性,對冬小麥有效估產(chǎn)有著十分重要的意義。本研究通過WOFOST作物模型模擬了冬小麥的生長發(fā)育,并利用最小二乘優(yōu)化算法,展開基于無人機圖像數(shù)據(jù)與作物模型的同化研究。最后結(jié)合冬小麥LAI和產(chǎn)量實際測量值進行同化結(jié)果的分析與評價,為農(nóng)業(yè)估產(chǎn)提供依據(jù),主要研究內(nèi)容與結(jié)果如下:(1)為了使模型模擬符合研究區(qū)域內(nèi)冬小麥生長規(guī)律,本研究采用2015-2017年本研究區(qū)域氣象站點氣象數(shù)據(jù)、土壤數(shù)據(jù)、作物數(shù)據(jù)等,利用OAT方法進行模型參數(shù)敏感性分析,結(jié)合最小二乘、“試錯法”并借鑒前人研究結(jié)果,基于不同密度和氮肥處理水平,針對冬小麥發(fā)育參數(shù)TSUM1(出苗到開花的積溫)、TSUM2(開花到成熟的積溫)以及生長參數(shù)SLATB(比葉面積)、AMAXTB(最大CO2同化速率)進行冬小麥參數(shù)調(diào)整,實現(xiàn)WOFOST模型本地化。結(jié)果表明,WOFOST模型能夠較好的模擬研究區(qū)域冬小麥的生長發(fā)育狀況,模擬冬小麥LAI的R2、RMSE、NRMSE(%)分別為0.8178、0.58、27.9,模擬生物量的 R2、RMSE(kg·hm-2)、NRMSE(%)分別為 0.7832～0.9531、315.55～986.15、10.1～29.8,模擬產(chǎn)量的 R2、RMSE(kg·hm-2)、NRMSE(%)分別為 0.5852、799.96、15.9。(2)為了構(gòu)建最佳的無人機反演LAI模型,本研究選取利用R、G、B構(gòu)建的11種顏色特征指數(shù),從整個生育期、種植密度、施氮量、各生育期四個角度,進行顏色指數(shù)與冬小麥LAI的相關(guān)性分析,選出顯著相關(guān)顏色指數(shù)構(gòu)建反演模型。結(jié)果表明,通過拔節(jié)期前、拔節(jié)期、開花期、灌漿期進行模型構(gòu)建效果最佳,模型構(gòu)建R2分別為0.795、0.784、0.746、0.625,模型驗證 R2 分別為 0.781、0.807、0.718、0.697,RMSE 分別為0.325、0.470、0.364、0.256。(3)在WOFOST模型本地化的基礎(chǔ)上,應(yīng)用最小二乘優(yōu)化算法,基于無人機反演LAI數(shù)據(jù)進行模型同化研究,通過調(diào)整、修正敏感參數(shù)比葉面積(SLATBO、SLATB0.5、SLATB2)和最大CO2同化速率(AMAXTBI、AMAXTB1.3),使得模型模擬LAI與無人機數(shù)據(jù)反演LAI誤差最小。結(jié)果表明,同化后的模型能夠更好地評價研究區(qū)域冬小麥的生長發(fā)育狀況,同化后WOFOST模型模擬冬小麥LAI的R2、RMSE、NRMSE(%)分別為 0.8812、0.49、23.5,模擬產(chǎn)量的 R2、RMSE(kg.hm-2)、NRMSE(%)分別為 0.9489、327.06、6.5,模型模擬冬小麥的精度有所提高,證明了作物模型與無人機數(shù)據(jù)同化的可行性。
【學位單位】：揚州大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：S512.11;TP751
【部分圖文】：

Ｒｅａｍｓ模塊反復(fù)修改作物參數(shù)后調(diào)用模型運行模塊，記錄下不同參數(shù)值的模擬結(jié)??果，與實測值進行對比分析，選擇ＲＭＳＥ最小的一套參數(shù)作為最優(yōu)參數(shù)，校準??結(jié)果如圖３－３、圖３－４所示，結(jié)果表明基于密度和氮肥校準后的模型模擬曲線能??夠反應(yīng)實測值的趨勢，ＳＬＡＴＢ０、ＳＬＡＴＢ０．５、?ＳＬＡＴＢ１取值分別為??０．００１?？０．００２１２、０．００１２５？０．００２１５、０．０００７？０．００１２，?ＡＭＡＸＴＢ０、ＡＭＡＸＴＢ１、??ＡＭＡＸＴＢ１．３、ＡＭＡＸＴＢ２?取值分另ＩＪ為?３５＿８３、３８＿８３、３０？６０、４．４８。其余己經(jīng)??過大量研究公認的參數(shù)及敏感性低的參數(shù)采用文獻中的公認值或模型默認值。??

Ｆｉｇ．３－５?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｓｉｍｕｌａｔｅｄ?ａｎｄ?ｍｅａｓｕｒｅｄ?ｖａｌｕｅｓ?ｏｆ?ＬＡＩ（２０１６－２０１７）??４．２?ＷＯＦＯＳＴ模型模擬生物量的驗證??圖３－６分別顯示了葉、莖、穗及地上部總干物重模擬值與實測值的比較，由??圖可知葉、莖、穗及地上部總干物重模擬Ｒ２分別為０．７８３２、０．８６２９、０．８６４９、０．９５３１，??說明模擬值與實測值的相關(guān)性較好。ＲＭＳＥ分別為３１５．５５ｋｇ＿ｈｎｖ２、９８６．１５ｋｇ￣ｈｎｒ２、??４７６．６２ｋｇ．ｈｎｒ２、９９６．６５ｋｇ．ｈｍ—２，?ＮＲＭＳＥ?分別為?２７．６％、２９．８％、１０．１％、１７．３％，??均在可信區(qū)間，其中莖和地上部的生物量誤差較大，莖干重模擬誤差主要是由于??模型模擬的莖干重包括莖與鞘兩部分，而實測莖不包含鞘重；地上部總干物重模??擬誤差主要是在生育后期產(chǎn)生的，這是由于實際取樣過程不包含老化和腐化的器??官，因此實際測量的地上部總生物量是先增加到某個時期開始下降，而模型模擬??的地上部總生物量是一直隨生育期增加的。ＣＲＭ分別為０．３４、０．１９、－０．０８、０．２２，??除穗重相對實際值偏低外其余均偏高

ＴＡＧＰ（２０１６－２０１７）??４．３?ＷＯＦＯＳＴ模型模擬產(chǎn)量的驗證??圖３－７為冬小麥單產(chǎn)模擬值與實測值的對比。從圖中可以看出，Ｒ２為０．５８５２、??ＲＭＳＥ?為?７９９．９６ｋｇ．ｈｎｒ２、ＮＲＭＳＥ?為?１５．９％、ＣＲＭ?為－０．０９，說明?ＷＯＦＯＳＴ?模型??能夠較好的模擬研究區(qū)域的冬小麥發(fā)育狀況，產(chǎn)量總體隨施氮量的增加先增后??減，與產(chǎn)量實測值的規(guī)律相一致，產(chǎn)量模擬值總體較實測值偏低，尤其是施氮量??較高時
【相似文獻】

相關(guān)期刊論文 前10條

1 董智強;王萌萌;李鴻怡;薛曉萍;潘志華;侯英雨;陳辰;李楠;李曼華;;WOFOST模型對山東省夏玉米發(fā)育期與產(chǎn)量模擬的適用性評價[J];作物雜志;2019年05期

2 張陽;王連喜;李琪;胡正華;郭春明;任景全;;基于WOFOST模型的吉林省中西部春玉米灌溉模擬[J];中國農(nóng)業(yè)氣象;2018年06期

3 謝松涯;張寶忠;;基于全局敏感性分析的WOFOST模型參數(shù)優(yōu)化[J];中國農(nóng)村水利水電;2018年12期

4 劉維;王冬妮;侯英雨;何亮;;基于吉林省觀測土壤水分的WOFOST模型模擬研究[J];氣象;2018年10期

5 蒙繼華;程志強;王一明;;WOFOST模型與遙感數(shù)據(jù)同化的土壤速效養(yǎng)分反演[J];遙感學報;2018年04期

6 李琪;胡秋麗;朱大威;吳東麗;胡正華;李瑩瑩;;基于WOFOST模型的吉林省春玉米干旱復(fù)水模擬研究[J];農(nóng)業(yè)現(xiàn)代化研究;2019年01期

7 馬玉平,王石立,張黎;針對華北小麥越冬的WOFOST模型改進[J];中國農(nóng)業(yè)氣象;2005年03期

8 張淑杰;張玉書;王石立;馬玉平;武晉雯;陳鵬獅;紀瑞鵬;馮銳;;基于作物生長模擬模式的玉米產(chǎn)量預(yù)報方法研究[J];安徽農(nóng)業(yè)科學;2009年36期

9 劉維;侯英雨;吳門新;魏麗;;WOFOST模型在東北春玉米產(chǎn)區(qū)的驗證與適應(yīng)性評價[J];氣象與環(huán)境科學;2017年03期

10 楊妍辰;王建林;宋迎波;;WOFOST作物模型機理及使用介紹[J];氣象科技進展;2013年05期

相關(guān)碩士學位論文 前7條

1 周彤;基于WOFOST模型與無人機圖像同化的小麥產(chǎn)量估測[D];揚州大學;2019年

2 范志宣;氣候變化背景下基于作物模型的吉林省玉米潛在產(chǎn)量模擬[D];沈陽農(nóng)業(yè)大學;2016年

3 方緣;基于作物生長模型的玉米干旱損失評估[D];沈陽農(nóng)業(yè)大學;2016年

4 劉烽;基于時空尺度優(yōu)化的遙感同化方法評估水稻重金屬脅迫[D];中國地質(zhì)大學(北京);2016年

5 張倩;長江中下游地區(qū)高溫熱害對水稻的影響評估[D];中國氣象科學研究院;2010年

6 趙利婷;遙感同化WOFOST模型監(jiān)測水稻重金屬脅迫方法研究[D];中國地質(zhì)大學(北京);2015年

7 張鐵楠;WOFOST模型在東北春麥區(qū)生產(chǎn)中的應(yīng)用研究[D];東北農(nóng)業(yè)大學;2014年

本文編號：2849162