集合四维变分作物模型数据同化的区域作物产量估测与不确定性

Crop growth model with data assimilation is one of the academic hot spots and fronts in agricultural remote sensing. In this research field, several critical issues need to be solved, such as inefficient assimilation algorithm, single assimilation mode and no comprehensive analysis of uncertainty on crop growth simulation with data assimilation. For these reasons, an ensemble-based four-dimension variational method, mathematical error analysis, crop growth simulation with data assimilation and regional field observation were employed to focus on: (1) To construct the reasonable assimilation modes with multivariable-parameter such as leaf area index, soil moisture and both of them, and to analysis the performance of assimilation modes; (2) According to typical agricultural area, the accuracy, efficiency and suitability of assimilation modes for regional crop yield estimates will be compared and analyzed; (3) The critical factors controlling uncertainties in assimilation modes will be considered, the errors of model inputs, assimilation process and model outputs will be described quantitatively, and the approach effectively reducing the uncertainties will be proposed to improve regional crop yield estimation. This study is more innovative in term of purpose, method and content, and will provide the valuable theory and approach for accurately and efficiently estimating regional crop yield in the future.

作物模型数据同化是农业遥感应用研究热点和前沿之一。针对目前该领域研究存在的同化算法低效、同化模式单一、同化估测不确定性研究不深入全面等亟待解决的关键问题，本研究引入集合四维变分同化算法，采用误差分析、作物生长同化模拟与区域田间观测试验相支持和验证的技术手段，重点研究：（1）构建分别以叶面积指数、土壤水分及其两者组合为同化变量的多状态变量和参数优化模拟的有效同化模式，分析集合四维变分算法表现；（2）针对典型农业区域，对比分析三种同化模式的区域作物估产精度、效率和区域适用性；（3）综合考虑各同化模式区域模拟不确定性的关键控制因子，定量描述模型输入、同化模拟过程和估测结果误差，探讨单变量和多变量同化模拟不确定性，提出消减同化模拟不确定性的有效方法和途径。本项目在研究立意、方法、内容方面具有创新性，可为今后准确高效区域作物估产提供有价值的理论和方法参考。

作物模型数据同化是农业遥感应用研究热点和前沿之一。针对目前该领域研究存在的同化算法低效、同化模式单一、同化估测不确定性研究不深入全面等亟待解决的关键问题，本研究引入集合四维变分同化算法，采用误差分析、作物生长同化模拟与区域田间观测试验相支持和验证的技术手段，重点开展了集合四维变分作物模型数据同化的区域作物产量估测与不确定性研究，探讨和分析消减同化模拟不确定性的有效方法和途径。主要研究成果：（1）针对国产高分卫星GF-1多光谱数据，设计了区域作物叶面积指数遥感反演方案，全面试验分析反演方案的可行性，最终提出了LAI-[GVI, EVI2]查找表反演方案，为GF-1数据业务化应用提供了方法参考。（2）全面分析了DSSAT-CERES-Wheat作物模型在本地化应用过程中模型参数对模拟结果的敏感性和不确定性，最终筛选出对区域作物产量估算影响较大的关键因子，主要包括播种时间、播种密度、灌溉和施肥时间、灌溉量、底肥施氮量、追肥施氮量。该研究成果为作物模型数据同化方案构建，有效消减同化分析结果不确定性提供了依据。（3）分别构建了以叶面积指数、土壤水分及其两者组合为同化变量的多状态变量和参数优化模拟的有效同化模式，对比分析三种同化模式的区域作物估产区域有效性和适用性，最终提出动态同化叶面积指数和土壤水分的同化方案是改进区域作物产量估算的有效途径。该研究成果为基于作物模型同化技术的多源观测数据业务应用提供了科学试验依据。（4）全面分析和探讨了作物模型区域同化模拟不确定性影响因素，基本明确了同化观测质量、同化时空尺度、同化算法参数等重要因素对区域作物产量估算的响应规律。分析结果显示，随着同化观测误差增加，估产精度明显降低，当观测误差由0增加为30%时，估产误差增加约4%；随着同化观测频率降低，产量估测精度呈降低趋势，同化频率由8天降低为32天时，产量估测误差增加约2%；全生育期观测数据同化的估产效果最好，但作物中期生育阶段观测数据对估产效果改善具有重要作用；随着同化观测数据空间分辨率降低，同化估产精度呈降低趋势，同化观测空间分辨率为1km左右时能够较好地折中估产精度和计算效率。本研究成果基本概括了同化模式区域模拟不确定性的关键控制因子，分析和探讨单变量和多变量同化模拟不确定性的基本规律，提出的消减同化模拟不确定性的方法和途径为未来业务化应用有价值的理论和方法参考。