农业机械学报

作者：刘正春，徐占军，毕如田，王超，贺鹏，杨武德

单位：山西农业大学,山西农业大学,山西农业大学,山西农业大学,山西农业大学,山西农业大学,

关键词：冬小麦; 估产; 四维变分; 集合卡尔曼滤波; Sentinel多源数据; CERES-Wheat模型

基金：国家重点研发计划项目（2018YFD020040103）

为了提高遥感信息与作物模型同化的估产精度，以山西省晋南地区的3个县为研究区，采用四维变分（Four-dimensional variational, 4DVAR）和集合卡尔曼滤波（Ensemble Kalman filter, EnKF）两种同化算法将高时空分辨率Sentinel多源数据反演的叶面积指数（Leaf area index, LAI）、土壤含水率（θ）和CERES-Wheat模型进行同化，对比两种算法同化LAI和θ的性能，并进行冬小麦产量估测。结果表明：两种同化算法均能结合遥感观测和作物模型模拟的优势，相比模型模拟值，同化精度均有所提高；4DVAR-LAI和4DVAR-θ的均方根误差 (Root mean square error, RMSE)分别比EnKF-LAI和EnKF-θ低0.149?0?m2/m2、0.009?1?cm3/cm3，且根据遥感实际监测值4DVAR-LAI更能精确识别冬小麦的物候期，与实际冬小麦生长发育的物候期更相符，因此在Sentinel多源数据与CERES-Wheat模型同化中，4DVAR算法的性能更好；由4DVAR同化后的LAI和θ双变量建立的估产模型，RMSE和平均相对误差（Mean relative error，MRE）小于CERES-Wheat模型模拟估产的RMSE和MRE，说明估产模型的估产误差小，采用4DVAR算法同化Sentinel多源数据与CERES-Wheat模型有效提高了冬小麦区域估产精度。

来源：2021年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第6期