粒子滤波同化方法在CERES-Wheat作物模型估产中的应用.pdf

《粒子滤波同化方法在CERES-Wheat作物模型估产中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第14期1382012年7月农业工程学报TransactionsoftheChineseSocietyofAgriculturalEngineering、，01．28No．14Jul．2012粒子滤波同化方法在CERES．Wheat作物模型估产中的应用姜志伟1’2，陈仲新1，2※，任建强1．一，周清波1，2(1．农业部农业信息技术重点实验室，北京100081；2．中国农业科学院农业资源与农业区划研究所，北京100081)摘要：为验证粒子滤波『司化算法在作物模型估产应用中的可行性和精度，应用该算法构建了CERES—Wh

2、eat(cropenvironmentresourcesynthesisforwheat)作物模型同化系统，并应用地而观测数据研究了同化系统的估产能力以及粒子扰动维数和方差对『司化结果和效率的影响。研究结果表明，构建的作物模型H化系统能够利用作物关键生育期内观测LAI数据，较好地校正模型状态轨迹，显著提高作物产量模拟预测精度。同化前后冬小麦产量模拟结果与实测产量蚓的决定系数m0．68增加为0．83，归一化均方根误差由4．93％减小为3．4％，相对误差由4．15％减小为2．93％。粒子扰动维数和方差同化试验结果显示，粒子维数由

3、50增加为250时，同化估产精度无显著改善，但计算代价增加5倍；随粒子扰动方差增加，估产归一化均方根误筹和相对误差均旱增加趋势，两者的平均增加幅度分别为0．32％和0．26％。因此，作物模型同化系统业务化应用时需折中考虑估产精度和汁算代价设置合适的粒子扰动维数和方差。该文为进一步利用多源卫星遥感数据监测区域作物长势和估算产量等问化研究和应用提供参考。关键词：遥感，作物，模型，粒子滤波，数据同化，叶面积指数，估产doi：10，3969／j．issn．1002—6819．2012．14．022中图分类号：TP79；S127文献标

4、志码：A文章编号：1002～6819(2012)一14-0138—09姜志伟，陈仲新，任建强，等．粒子滤波同化方法在CERES-Wheat作物模型估产中的应用【J]．农业工程学报，2012，28(14)：138—146．JiangZhiwei，ChenZhongxin，RenJianqiang，eta1．EstimationofcropyieldusingCERES·Wheatmodelbasedonparticlefilterdataassimilationmethod[J]．TransactionsoftheChines

5、eSocietyofAgriculturalEngineering(TransactionsoftheCSAE)，2012，28(14)：138—146．(inChinesewithEnglishabstract)0引言作物生长模犁研究起步于20世纪60年代，是随着对作物生理生态过程机理认识的，1i断深入和计算机技术的迅猛发展而兴起的【l-21。经过多年的发展和完善，各种机理作物生长模型【}8J在区域作物产量评估、气候变化对产量影响‘9。11、作物长势监测”21、生产潜力评价【‘3I、作物生态系统过程研究[14-161、生产

6、管理措施的制定与评价117-19]、以作物模型为核心的决策支持系统开发{20-21】、生物能源模拟研究122】等方面得到广泛应用。但是，单点作物牛长模型区域扩展应用时存在卒间升尺度连接、适用性和参数校准等关键问题。常规区域作物统计调含和监测手段也较难获取作物生长模型所需的人量窄间输入参数，同时也存在时效性、经济成本和准确性等不足。近年来，大量研究表明[23-381，基于多源数据的作物模型数据同化方法收稿¨期：201l—10—27修订日期：2012．06。06基金项目：农业部“948汁划”项目(2011．G6。2010．S2)

7、；科技部同际科技合作项目(2010DFBl0030)；国家自然科学基金(409712l8)：国家高技术研究发展计划(863计划l课题“全球大宗作物遥感定量监测关键技术”(2012AAl2A307)作者简介：姜志伟(1981一)男，内蒙古赤峰人．博士生，主要从事农业遥感心崩研究。北京中国农业科学院农业资源与农业区划研究所，100081。Emaihzhiweijt@163．com※通信作者：陈仲新(1970一)男，河北唐IJJ人，研究员，博士，博上生导师．主要从事GIS及农qk遥感应I{j、信息农qE和数字农业、农业牛态等方面研

8、究。北京中国农业科学院农业资源’i农业区划研究所，10008l。Emaihzxchen【@mail．ca∞．net．en是解决这些问题的有效途径，能够改善区域模拟预测精度，具有巨大的应用潜力[=19]。近年来，作物模型数据同化研究主要以参数优化算法和集合卡尔曼滤波算法为主。应用参数优化算法