您的位置: 专家智库 > >

中央高校基本科研业务费专项资金(2011JS142)

作品数:1 被引量:53H指数:1
相关作者:武思杰马冠南刘兴权马鸿元吴文斌更多>>
相关机构:中国农业科学院农业资源与农业区划研究所中南大学中国农业大学更多>>
发文基金:中央高校基本科研业务费专项资金全球变化研究国家重大科学研究计划国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇中文期刊文章

领域

  • 1篇自动化与计算...

主题

  • 1篇冬小麦
  • 1篇遥感
  • 1篇遥感信息
  • 1篇数据同化
  • 1篇数据转换
  • 1篇同化
  • 1篇作物
  • 1篇作物模型
  • 1篇小麦

机构

  • 1篇中国农业大学
  • 1篇中南大学
  • 1篇中国农业科学...

作者

  • 1篇邹金秋
  • 1篇黄健熙
  • 1篇吴文斌
  • 1篇马鸿元
  • 1篇刘兴权
  • 1篇马冠南
  • 1篇武思杰

传媒

  • 1篇农业工程学报

年份

  • 1篇2012
1 条 记 录,以下是 1-1
排序方式:
基于遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测被引量:53
2012年
区域作物产量预测是国家粮食安全评估的重要内容。遥感虽能获取大面积地表信息,却难以反映作物生长发育的内在过程。作物生长模型已经在单点尺度能成功模拟作物的生长发育过程,但是区域尺度作物关键参数的获取仍很困难。遥感信息与作物模型结合的数据同化已经成为区域产量预测的最有效途径。该文选择河北省衡水地区冬小麦为研究对象,在WOFOST模型标定与区域化的基础上,利用WOFOST模型描述冬小麦生育期内叶面积指数(LAI)变化规律。针对MODIS数据的混合像元造成反演的LAI产品偏低的系统误差,利用实测LAI样本点融合MODIS-LAI趋势信息修正MODIS-LAI数据产品。采用集合卡尔曼(EnKF)算法同化冬小麦返青到抽穗期的MODIS-LAI与WOFOST模拟的LAI以获得时间序列最优的LAI,并以此重新驱动WOFOST模型估算区域冬小麦产量。结果表明,EnKF同化后的冬小麦产量比未同化的产量预测精度有显著提高,与县平均统计产量相比,在潜在模式下,决定系数由0.13提高到0.38,均方根误差由2480下降到880kg/hm2。研究表明,遥感信息与作物模型的EnKF同化是1种有效的作物产量预测方法,并在区域尺度应用上具有广阔的应用潜力。该研究可为区域尺度的作物估产提供参考。
黄健熙武思杰刘兴权马冠南马鸿元吴文斌邹金秋
关键词:遥感数据转换数据同化
共1页<1>
聚类工具0