基于集合卡尔曼滤波同化遥感信息和作物模型的不确定性分析及玉米估产研究

Combining remote sensing information and a crop model is an effective means to monitor crop growth and estimate crop yield on the regional scale. Although both them have their own advantages, they also have some flaws, in a word, there exist uncertainties in remote sensing information and a crop model which have an important impact on the crop simulated results with the evolution of crop simulation. Accurately estimating these uncertainties is the prerequisite to obtain accurate crop simulated results. This study takes the spring maize in Northeast China as the study object and uses long time series MODS LAI data, agro-meteorological and meteorological data as the data basis. Based on the crop model PyWOFOST which assimilated remote sensing information with Ensemble Kalman filter (EnKF), this study starts with the quantitative expression of uncertainty of remote sensing information and crop model and then estimates the possible impact of uncertainty of remote sensing information (included theoretical uncertainty and systemic uncertainty )and crop model (mainly model parameter uncertainty) on crop simulation results so as to construct a reasonable crop yield estimation scheme. The work can estimate the impact of uncertainty of remote sensing information and crop model quantitatively on regional yield estimation and reveal the advantage of yield estimation scheme with assimilation, and also can provide technical reference to construct long-term and reliable maize monitoring system.

将遥感信息和作物模型结合是区域作物长势监测和估产的一条有效途径，二者虽各具优势但亦存在一定缺陷，即遥感信息和作物模型都存在一定的不确定性。二者的不确定性会随着作物模型模拟的演进过程对模拟结果产生重要影响，因此，合理地评估二者的不确定性是准确模拟作物生长的前提。本研究以我国东北春玉米为研究对象，以长时间序列MODIS LAI数据、农业气象观测数据及气象数据为基础，从遥感信息和作物模型不确定性的定量化表达入手，使用基于集合卡尔曼滤波(EnKF)构建的、耦合遥感信息的作物模型PyWOFOST，定量评估遥感信息不确定性(理论不确定性及系统不确定性)及作物模型不确定性(模型参数不确定性)对模拟结果的可能影响，从而构建合理的作物估产方案。本项研究可定量评估遥感信息和作物模型的不确定性对作物估产的影响程度，揭示同化估产方案在区域作物估产中的优势，并为建立长期、可靠的玉米遥感监测体系提供技术参考。

将遥感信息和作物模型结合是区域作物长势监测和估产的一条有效途径，二者虽各具优势但亦存在一定缺陷，即遥感信息和作物模型都存在一定的不确定性。二者的不确定性会随着作物模型模拟的演进过程对模拟结果产生重要影响，因此，合理地评估二者的不确定性是准确模拟作物生长的前提。本研究以我国东北春玉米为研究对象，以长时间序列MODIS LAI数据、农业气象观测数据及气象数据为基础，从遥感信息和作物模型不确定性的定量化表达入手，使用基于集合卡尔曼滤波(EnKF)构建的、耦合遥感信息的作物模型PyWOFOST，定量评估遥感信息不确定性及作物模型不确定性对模拟结果的可能影响，从而构建合理的作物估产方案。结果表明，1. 通过将PyWOFOST的同化模拟结果与WOFOST的模拟结果及实测结果相比较发现，同化后的模拟结果更接近实测值：1）20个未受灾害影响的农气站玉米产量同化前的模拟误差及在考虑遥感信息理论不确定性、系统不确定性及作物模型参数2种不确定性水平下的同化后模拟误差分别为14.32%、12.98%、11.79%、10.47及10.12%，玉米模拟产量与实测产量的相关系数为0.692，确定系数为0.627； 2）PyWOFOST的同化模拟LAI普遍较WOFOST的模拟LAI更接近实测LAI，更符合玉米LAI的变化趋势；3) 同化前WOFOST模拟发育期与实测发育期平均绝对误差为3.4天，而同化后在考虑遥感数据理论不确定性、系统不确定性和作物模型参数2种不确定性下PyWOFOST模拟发育期与实测发育期的平均误差分别为5.0、4.5、3.5及3.8天；4）尽管PyWOFOST的同化模拟结果较WOFOST的模拟结果普遍有改善，但并不存在所有站点在某一不确定性水平上的同化后的模拟产量或LAI全部优于其它不确定性水平的情况。2. 基于PyWOFOST的区域玉米估产: 1)同化区域MODIS LAI数据，模拟东北三省区域玉米产量，57.14%的区域同化估产误差在15%以内，同化产量和统计产量相关系数为0.875，确定系数为0.806；多数市的产量分布较集中，铁岭的产量标准差最小为76.16kg/ha；四平的标准差最大为1856.45 kg/ha，玉米的区域估产精度比较理想。研究结果可为建立长期、可靠的玉米遥感监测体系提供技术参考。