基于无人机多光谱遥感与作物模型耦合的旱区夏玉米估产研究

作     者：彭星硕 

作者单位：西北农林科技大学 

学位级别：硕士

导师姓名：韩文霆

授予年度：2021年

学科分类：0810[工学-信息与通信工程] 082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0903[农学-农业资源与环境] 0901[农学-作物学] 081002[工学-信号与信息处理] 

主      题：无人机 夏玉米 多光谱 作物模型 估产 

摘      要：随着科学技术的进步,我国逐步从传统农业向智慧农业转化。及时、准确地获取作物的长势、产量等信息是发展智慧农业和农业大数据的基础。玉米产量的准确预测对于农业生产管理、农业政策制定和保障我国粮食安全有着非常重要的意义。本研究通过无人机遥感数据和作物模型构建了玉米产量估算的同化模型,同化模型可以将遥感观测和模型模拟的优点进行结合。一方面遥感观测数据可以帮助作物模型修正模拟的误差,提供模型输入变量在区域上的获取方式。另一方面作物模型可以弥补遥感观测在机理性上的不足缺点,可以更好考虑作物生长发育的内在机理。本研究通过旱区夏玉米非充分灌溉试验,建立基于无人机多光谱遥感与作物模型耦合的旱区夏玉米估产模型,并利用夏玉米实测数据验证与评价同化系统的准确性和可靠性。主要研究内容和取得的结论如下:(1)本研究通过无人机多光谱数据计算出6种植被指数,采用线性回归、对数回归、指数回归、幂函数回归4种数学模型,针对植被指数和叶面积指数建立反演模型,分析对比不同植被指数和数学模型的反演精度,最终筛选出精度最高的的叶面积指数反演模型。分析结果显示:6种植被指数均与叶面积指数有较大的相关性,其中以线性回归模型和植被指数EVI的反演叶面积指数精度最高(R=863)。因此,选择其作为叶面积指数的反演方法。(2)研究选取SAFY作物模型对夏玉米生长过程进行模拟。结合历史气象数据和产量数据,对作物模型中的自由参数变化对结果的影响比重进行比较,进行敏感性分析,最终确定模型“本地化参数。结果表明,敏感参数的敏感性由高到低依次为Pla、Plb、Rs、STT、LUE。参数的取值为:叶片分配系数Pla和Plb的值分别为0.33和0.0027,光能利用率LUE为2.21 g/MJ,叶片衰老积温STT的最优值为1024°C,叶片衰老速率R的最优值为6785°C?day。(3)以冠层叶面积指数为同化变量,通过遥感影像反演叶面积指数,作物模型模拟叶面积指数,然后利用集合卡尔曼滤波算法,将二者进行数据同化,并将同化后的结果返回作物模型中,构建同化系统。基于所构建的同化系统,对非充分灌溉条件下的夏玉米的生长过程进行模拟,并输出产量的模拟结果。通过实测的夏玉米籽粒产量,对同化系统在不同灌溉条件下的准确性进行验证和评价。结果表明,在轻度水分不充分灌溉的条件下(TRT、TRT),同化系统对夏玉米估算精度较高。精度最高的为TRT水分处理区,R=0.877,RMSE=551.8 kg/ha。其次是TRT水分处理区,R=0.803,RMES=742.2 kg/ha。充分灌溉条件下的夏玉米估算精度较低(R=0.626,RMSE=897.1 kg/ha)。重度水分不充分灌溉条件下(TRT、TRT),作物单产的估算精度最低,其中TRT的作物单产估算精度最低R=0.355。全局条件下,模型单产的精度较好(R=0.855,RMSE=692.8 kg/ha)。(4)基于构建的同化系统,输出玉米产量空间分布图。为减少计算的复杂呈度,结合生产实际,对无人机多光谱遥感影像进行网格化,得到夏玉米叶面积指数分布图。以网格化后的叶面积指数为同化参数,对作物产量进行逐点同化,最后输出夏玉米产量空间分布图。