基于多源信息同化的冬小麦籽粒蛋白质含量估测

Grain protein content is an important indicator to measure the quality of wheat. Therefore, it is important to estimate grain protein content non-destructively in regional scale, for classifying harvest to promote virtuous cycle of market, and even optimizing planting. Now, remote sensing and growth model are the two major methods for grain protein content estimation. They both have advantages and disadvantages,and can complement each other. Thus, if above two technologies and other usage information can be combined, grain protein content can be predicted more accurately. The purpose of this study is to research on multiple source information assimilation technique for winter wheat grain protein content prediction,based on remote sensing model,CERES-Wheat model,and prior information. Following content are studied: 1) the best connection parameter for assimilation;2) the choice of a prior information and its role in supporting; 3) effects of estimation bias of multi-source information error on assimilation and the best strategy for their estimation;4) evaluate the effect of data assimilation method on grain protein content forecasting.

籽粒蛋白质含量是衡量小麦商品价值的重要指标。区域尺度实现小麦籽粒蛋白质含量准确、无损探测，对于分级收获、促进市场良性循环乃至实施调优栽培具有重要意义。目前，小麦籽粒蛋白质含量的无损探测方法主要有生长模型模拟法和遥感反演法，两者各有优、劣，但又有一定互补性，如能协同两者乃至其它来源信息开展小麦籽粒蛋白质含量估测对于提高估测精度应具有重要作用。为此，项目拟研究基于遥感反演模型、CERES-Wheat生长模型和先验知识等多源信息同化估测小麦籽粒蛋白质含量的方法，重点研究以下内容：1）同化联接参数的选择；2）同化中先验信息的选择与支撑作用；3）多源信息误差估计偏差对同化的影响及最优误差估计策略；4）同化对提高小麦籽粒蛋白质含量估测精度的作用。

籽粒蛋白质含量是衡量小麦商品价值的重要指标。区域尺度实现小麦籽粒蛋白质含量准确、无损探测，对于分级收获、促进市场良性循环乃至实施调优栽培具有重要意义。目前，小麦籽粒蛋白质含量的无损探测方法主要有生长模型模拟法和遥感反演法，两者各有优、劣，但又有一定互补性，如能协同两者乃至其它来源信息开展小麦籽粒蛋白质含量估测对于提高估测精度应有重要作用。为此，本研究在收集农业生态试验站长期定位试验数据及相关气象台站数据，并设计田间试验，补充收集相关数据的基础上，开展了以下四方面研究：i）遥感与生长模型同化估测籽粒蛋白值含量的最优连接参数、待优化参数和同化算法研究；ii）先验知识对同化估测籽粒蛋白质效果的影响研究；iii）不同来源信息误差估计偏差对同化效果的影响及最优预估策略研究；iv)作物生长模型、同化算法、遥感模型估测籽粒蛋白值效果比较研究。结果表明：1）遥感与生长模型同化估测籽粒蛋白质含量的最优连接参数是叶面积指数和叶片累积氮浓度同时作为连接参数，此时的待优化参数是播种时间、初始土壤硝态氮含量、土壤有机质含量和抽穗-开花水灌溉量（第三次灌溉），最优同化算法为复合混合型演化算法。所建同化模型预测的籽粒蛋白质含量与实际籽粒蛋白质含量之间相关关系达到0.01显著水平，预测决定系数为0.39，预测标准误差为0.91%。2）研究共验证了两种先验知识，结果表明不同先验知识对同化估测籽粒蛋白质含量效果的影响不同。其中，增加研究区小麦籽粒蛋白质含量的范围作为先验知识，能够提高同化估测精度；增加常年监测的小麦各生育期叶面积指数和叶片累积氮浓度作为先验知识，同化估测的精度受遥感反演同化连接参数的误差的影响。当遥感反演结果误差较大时，先验知识有利于提高同化估测籽粒蛋白质的精度；当遥感反演误差较小时，先验知识不利用提高同化估测籽粒蛋白质的精度。3）由于预估空间每一点的遥感反演误差、生长模型模拟误差等比较困难，在同化过程中如果利用已知有限样点的误差状况来加入同化过程，并不一定能提高同化估测小麦籽粒蛋白质的精度。提高同化估测精度的关键是提高遥感反演连接参数的精度。4）对于估测籽粒蛋白质含量来说，在同化模型、作物生长模型和遥感反演模型里面，同化模型获得的结果最优。