基于作物模型与遥感数据同化的华北平原冬小麦估产及产量预报研究

Regional crop yield estimation and prediction are hot issues in food security research. Assimilating crop model with remote sensing data is regarded as a promising method for yield estimation and prediction. However, the effect of assimilation in practical application is still unclear, requiring further discussion. Taking winter wheat production in the North China Plain (NCP) during 2009-2017 as an example, in this study, we will construct assimilation systems in large scale with a long period. Impacts of critical factors, including assimilation algorithm and uncertainties of model parameters, on yield estimation, will be investigated. Both spatial and temporal uncertainties in yield estimation will be evaluated to reveal the performance of the assimilation system in practical yield estimation. Basing on the assimilation system, we will further explore its potential in yield prediction. The performance of yield prediction under different scenarios will be compared to clarify the relationships between lead-time and prediction accuracy and the robustness of yield prediction among years. Accordingly, we will clarify the suitable lead-time for predicting winter wheat yield in the NCP. This study will develop the yield prediction system for winter wheat in the NCP, which will provide important methodology and techniques for the progress of regional crop yield prediction.

大范围农作物估产及产量预报是粮食安全领域的一项热点问题。作物模型与遥感数据同化技术为作物估产及产量预报提供了重要思路，但其实际应用能力仍需深入探讨。本项目以2009-2017年华北平原冬小麦生产作为研究对象，构建大范围、长时间尺度同化系统，深入探究不同同化算法、模型参数不确定性等关键因素对估产效果的影响,评估估产结果在时间和空间两个维度上的不确定性，评价同化估产系统的实际应用能力。基于同化系统，进一步开展冬小麦产量预报研究，利用滚动预报的手段对比多种预报时期情景下的产量预报精度。基于多年产量预报结果揭示预报时期对预报精度的影响规律，阐明产量预报在年际间应用的鲁棒性，回答“可以提前多久实现足够精度的产量预报”这一关键问题。本项目将发展华北平原冬小麦产量预报系统，为我国作物产量预报技术的发展提供重要的科学工具。

将作物模型与遥感数据进行同化是开展区域尺度作物估产的一项先进方法，也是领域研究的热点问题。不过，遥感数据的偏差会明显影响同化估产的效果，而对遥感数据的修正往往需要高精度观测数据，使同化应用成本大幅提高。本项目对同化方法进行了创新，提出了一种基于状态变量时空特征的空间同化算法，克服了上述问题，使得遥感数据可以低成本、高效地与模型同化，实现区域估产。.为了提升同化系统的实用性，本项目提出了集合同化策略，基于历史同化参数构建集合范围驱动同化系统运行。在不同遥感产品的驱动下，使用集合同化策略获得的估产精度可以达到最优同化估产精度的84~98%。确保了在先验信息不足的情景下依然可以实现较高精度的估产。为同化技术的实际应用提供了技术支持。.在数据同化系统的基础上，结合数据同化、遥感反演、短期气象预报等跨学科技术体系，项目进一步构建了作物产量滚动预报系统。在针对华北平原中部地区的冬小麦产量的预报实验中，该系统实现了提前5周（高精度）-8周（较高精度）的产量预报。.本项目创新了一系列方法论，提出了空间同化、集合同化、滚动预报等创新方法。对作物估产这一实际问题中面临的一系列科学、实践问题做出了回答。研究工作结合了多种新方法新技术，提供了一套完整的产量估算、预报系统构架及实践案例，为进一步推动科学研究服务生产实践提供了参考。