基于遥感信息和作物生长模型同化的作物碳循环研究

在半干旱区开展作物生长模型WOFOST的适用性评价。建立基于该模型的半干旱区主要作物(春小麦)参数数据集。探索作物碳循环研究中的观测-模型融合方法，发展一个以作物生长模型为动力学约束框架，融合地面观测和卫星遥感初、高级数据产品的作物碳循环数据同化系统，提高陆地生态系统中农田组分碳循环相关变量的估计精度，并以半干旱区陇东雨养农业区为重点研究区，更准确地给出该区域陆地生态系统中主要作物(春小麦)生态系统的NPP和NEP，以及作物产量的时空分布特征。

区域作物产量估计在社会安全生产中起着重要作用,而作物生长模型是估计区域作物产量的重要工具,但因输入数据、模型参数和结构的不确定性,导致模拟结果也存在较大的不确定性。因此本项目以干旱区张掖盈科绿洲为主要研究区，首先针对作物生长模型中的参数不确定性进行了探讨，在此基础上，利用数据同化算法，研究减小作物生长模型区域产量估计不确定性的问题。.首先采用傅里叶灵敏度检验方法EFAST分析作物生长模型WOFOST的参数敏感性，以便减小模型待估计参数的数量，同时对参数敏感性分析算法应用中的几个问题进行探讨，包括参数样本、 参数取值范围和输出变量对参数敏感性的影响，参数敏感性的时间属性。结果显示，样本大小会显著影响敏感性指数的收敛性；参数取值范围不但影响参数的敏感性，还影响反映参数相互作用的总敏感性指数；但参数分布对参数敏感性影响较小。另外，以不同生育期的籽粒生物量作为目标变量，可以看出参数敏感性存在明显的时间属性特征，虽然某些参数对最终的产量没有影响，但是在某一生育期，可能起到了关键作用。针对不同目标状态变量的参数敏感性分析也表明，不同的状态变量，对其起主要作用的敏感性参数也是不同的。.其次，开展了利用顺序数据同化算法进行区域产量预报的研究。由于观测信息能够提供相对真实的地表状况。数据融合技术综合作物生长模型和观测的优势，为估计区域作物产量提供了一种新的手段。在此，在该方法论基础上，提出了一个基于两种数据—模型融合算法的区域作物产量估计框架。第一步先基于点多源观测数据，利用模拟退火算法，获得了一个适合于该区域的最佳参数矢量集。参数估计后，2008年盈科绿洲点尺度作物的模拟产量RMSE从1676.00kg/ha减小到4.00kg/ha，GPP从11.40g C m-2d-1减小到4.13g C m-2d-1；2009年到2011年，GPP模拟值和观测值之间的相关系数分别为0.941、0.967和0.962。其后，该优化模型应用于顺序数据同化中，通过同化CHRIS叶面积指数空间数据，用于提高WOFOST作物生长模型在区域尺度应用时的精度。利用地面产量观测数据，对顺序数据同化数值试验的结果验证表明，该顺序数据同化过程能够提供精确的区域作物产量，其产量估计RMSE为339.14kg/ha。最终，通过融合盈科绿洲整个玉米区的CHRIS-LAI影像，获得了一个精确的作物产量空间分布图。