基于WheatSM模型参数优化的鹤壁地区冬小麦生长发育模拟研究

采用EFAST方法和SCE-UA算法优化WheatSM模型参数,采用区域模拟和单站插值的方法对2013—2017年鹤壁市冬小麦各发育期日数和产量进行模拟修订,为WheatSM作物模型在豫北地区的业务应用提供参考。研究发现:区域模拟方法对鹤壁地区冬小麦生育期开始日期的模拟效果除出苗期、越冬期的外,其他均好于单点插值方法的。单点插值方法对越冬期的模拟效果明显好于区域模拟方法的。冬小麦产量的模拟效果区域模拟方法也比单点插值方法好,但两种结果的相对误差均较大。通过对WheatSM模型得到的冬小麦气象产量模拟结果进行修订,可以明显提高模型产量模拟结果。2013—2017年鹤壁地区模拟产量的误差为-17. 92%～-2. 98%,RMSE为1114. 9 kg/hm^2,NMSE为12. 59,模拟效果较好。利用区域模拟方法可以对区域内单个站点的冬小麦生长发育和产量进行模拟,但对越冬期开始时间的模拟需要参考单点插值方法的相应结果。

小麦模型WheatSM参数调试优化方法研究

作物生长模型是评估作物生产、资源利用及气候变化影响等的有效工具,准确地确定作物模型参数是应用模型的关键。WheatSM(Wheat Growth and Development Simulation Model)模型已在作物生产优化管理上得到一定的应用,并取得较好的效果,但由于该模型参数较多,模型参数调试复杂。为了快速、准确地确定WheatSM模型参数,简化该模型的调参工作,促进其在农业气象领域中广泛应用,本研究在国内外作物模型参数自动调节方法的基础上,基于PEST(Parameter Estimation)方法构建了WheatSM模型参数的自动调节耦合系统,并对WheatSM模型的发育期和产量参数进行了自动寻优。选择北京上庄作为代表性试验点,以试验点的气象数据、土壤数据和2014~2016年冬小麦不同播期试验数据为基础,应用PEST参数自动优化方法和试错法分别对小麦生长模型WheatSM发育期参数和产量参数进行调试,并将优化结果和试错法的模拟结果进行比较。研究结果表明,基于PEST方法的模型参数调节精准度较高,模拟发育期的误差不大于7天,模拟产量的误差不大于228.63kg·hm^(-2)。同时,与试错法相比,PEST方法具有耗时少、可同时批量处理数据、更高效快捷等优点,使用该自动调参系统可减少参数率定的工作量,节省模型的操作时间,简化工作的复杂度和获得较高的模拟精度。该研究为WheatSM模型参数的自动优化提供一种便捷方法,为提高作物模型参数调试的效率和准确性提供了理论参考和指导。

同化遥感信息与WheatSM模型的冬小麦估产

小麦生长模型WheatSM是针对中国不同冬小麦品种类型研发的,已在科研和业务中得到应用。将遥感信息与作物生长模型耦合,进行区域大范围作物长势监测与估产具有重要的应用价值。以位于中国冬小麦主产区的河南省鹤壁市为研究区,分别利用SCE-UA优化同化法和EnKF同化法,将经优化重建的2013—2017年MODIS LAI时间序列数据和小麦生长模型WheatSM进行耦合,在站点和区域两种尺度开展冬小麦估产研究。结果表明:单站点运行时,在小麦模型参数严格标定的前提下,引入本身带有不确定性的遥感数据,并不能提高模型模拟结果的精度;遥感观测数据的质量对EnKF算法同化结果的影响大于对SCE-UA优化算法同化结果的影响;在区域尺度运行时,SCE-UA优化同化和EnKF同化模拟单产精度较同化前均有明显提高,分县模拟单产与统计单产相比,RMSE由2036.0 kg·hm^-2分别降低到1641.6 kg·hm^-2和1587.7 kg·hm^-2,分别降低19.4%和22.0%,且EnKF同化法的运行效率显著优于SCE-UA优化同化法。研究结果可为WheatSM小麦生长模型与遥感信息同化策略的选择提供依据。

利用亚像元尺度信息改进区域冬小麦生长的模拟

为了探寻遥感观测面尺度与作物模型模拟点尺度不匹配问题的解决方案并改善区域作物生长模拟精度,以河南省鹤壁市为研究区,以冬小麦为研究对象,基于MODIS、Landsat 8遥感数据和Wheat SM作物生长模型,通过MODIS LAI过程线重建、亚像元尺度信息提取、集合卡尔曼滤波同化等方法,进行了冬小麦生长模拟的研究。结果表明:通过MODIS LAI过程线重建并提取亚像元尺度信息,冬小麦纯度在80%以上的遥感反演LAI与冬小麦两个关键生育期实测冠层LAI的均方根误差(RMSE)为0.69,以最近邻域法赋值到整个模拟区域,研究区2013—2017年模拟总产和实际总产相比的RMSE在未同化遥感反演的LAI信息时为6.73×108kg,同化未利用亚像元尺度信息调整的遥感估算LAI时,RMSE上升到8.24×108kg,同化利用亚像元尺度信息分区赋值的遥感LAI时,RMSE下降到3.48×108kg。利用亚像元尺度信息生成与作物模型时空尺度匹配的格点化LAI遥感产品,可提高作物生长模型区域化应用的精度。