基于时空耦合和数据同化的作物单产过程模拟研究

时空耦合和数据同化技术被认为是定量遥感和精准农业的重要发展方向之一。项目针对作物生长机理模型与遥感影像同化研究中，单独遥感影像反演参数的时间分辨率和空间分辨率不能满足作物模型动态模拟需要，作物模型升尺度后模型参数或变量的灵敏性和不确定性发生变动，以及时空维数据同化算法不够完善等关键技术问题，通过探讨陆基无线传感器观测数据与星载遥感影像反演参数的时空耦合和尺度转换关键技术，来获取时空连续的农田生态环境参数；通过分析空间作物模型(EPIC)输入变量和核心参数的敏感性和不确定性，来确定同化算法的优化目标函数；同时通过开发引入基于最优化自回归数据处理规则的卡尔曼滤波器等新型同化算法，来实现空间作物模型与时空连续农田参数的同化，并最终改善空间模型区域作物单产的总体模拟精度和效率。项目旨在为基于时空耦合和数据同化技术的区域作物单产估测研究积累必要的理论、方法和试验基础，促进定量遥感在农业领域的发展。

三年以来，项目按照任务书规定的研究计划和研究进度开展研究工作，顺利完成了农田生态环境参数的协同反演方法研究、空间作物模型的敏感性和不确定性研究和新型数据同化算法研究等主要内容，没有对研究计划和研究内容进行调整和变动。项目取得的主要成果如下：（1）收集、整理和建立了一套研究区域完整的基础背景数据库，包括影像数据、基础地理信息、历史统计数据和同步实时观测数据，并开发了数据库管理系统，解决了信息的存储与利用问题。（2）针对我国农田环境参数的复杂性和特殊性，研制了基于遥感数据的地表温度遥感反演算法、土壤含水量遥感反演算法、叶面积指数LAI的遥感反演算法和植被光合有效辐射比例FAPAR遥感反演算法，实现了大区域尺度农田参数的反演。尤其是针对作物产量估测模型中的关键参数—作物叶面积指数，开展了基于经验模型、神经网络及辐射传输模型，以及基于高光谱数据的叶面积指数遥感反演技术研究，实现了大区域尺度农田参数的反演。这些技术方法为从时间维和空间维两个角度实现陆基地面观测数据与遥感反演参数的时空耦合，获取时空连续的农田生态环境参数信息集奠定了基础。（3）初步构建了以美国EPIC模型和DSSAT模型、荷兰WOFOST模型等为主的作物生长模拟模型群，并开展了模型敏感性分析研究。（4）基于顺序Bayes滤波理论的EnKF和PF两种同化算法应用于CERES-Wheat作物模型中，分别构建了基于EnKF和PF算法的作物模型同化系统，以冬小麦地面试验站点观测时间序列LAI数据为同化数据，探讨和比较了两种同化方案的可行性及同化结果精度，为进一步利用多源卫星遥感数据实现区域作物长势监测和产量估算等同化研究和应用提供科学依据。（5）围绕课题研究内容，共发表了30篇论文，其中：国内外期刊论文25篇，国际会议论文5篇；SCI\EI论文16篇。此外，还取得了软件著作登记1项。