基于近地高光譜遙感與作物生長模型的冬小麥品質監(jiān)測預報研究.pdf

1、生產(chǎn)優(yōu)質專用、蛋白質含量穩(wěn)定的小麥，是解決我國優(yōu)質專用小麥缺乏的必經(jīng)之路，作物模型和遙感技術的出現(xiàn)，為科學、無損、高效監(jiān)測預報作物品質提供了新的思路。作物模型的機理性、時間擴展性，以及與遙感數(shù)據(jù)的空間性、實時性相耦合，成為一種可以提高作物品質監(jiān)測預報精度的新手段。
　　本文以2012-2013、2013-2014年陜西省楊凌區(qū)及其周邊地區(qū)的冬小麥為研究對象，選擇DSSAT作物生長模型，結合近地面高光譜遙感數(shù)據(jù)和粒子群同化算法(Pa

2、rticle Swarm Optimization，PSO)開展遙感信息與作物模型結合的冬小麥品質監(jiān)測預報研究。首先，對DSSAT模型的適應性進行評價，利用2013-2014年田間實驗數(shù)據(jù)對DSSAT作物模型進行參數(shù)本地化研究，并用2012-2013年的試驗數(shù)據(jù)進行驗證。然后，針對2013-2014年的楊凌揉谷試驗區(qū)，利用全生育期地面高光譜數(shù)據(jù)反演冬小麥的生物量，解決了單生育期反演精度低的問題，間接計算冠層氮素累積量，將遙感反演的冠層氮

3、素累積量作為粒子群同化變量對作物模型模擬的冠層氮素累積量進行優(yōu)化，提高籽粒蛋白質含量的模擬精度。結果表明:參數(shù)本地化后的DSSAT作物模型模擬的2012-2013、2013-2014年冬小麥生長的全生育期誤差均小于1天，各生育期誤差均小于2天，2013-2014年、2012-2013年的生物量的實測值和模擬值的RMSE分別為0.996t/ha和1.678t/ha，產(chǎn)量的實測值與模擬值的絕對誤差為-59kg/ha和-26kg/ha，籽粒蛋