查看原文>>>遥感数据与作物生长模型同化及在作物长势监测与估产中的应用

基于过程的作物生长模拟模型DSSAT是现代农业系统研究的有力工具，可以定量描述作物生长发育和产量形成过程及其与气候因子、土壤环境、品种类型和技术措施之间的关系，为不同条件下作物生长发育及产量预测、栽培管理、环境评价以及未来气候变化评估等提供了定量化工具。但是，当作物生长模型从单点研究发展到区域尺度应用时，由于空间尺度增大而出现的地表、近地表环境非均匀性问题，导致模型中一些宏观资料的获取和参数的区域化方面存在很多困难，模型模拟结果也会存在很大的不确定性，而遥感信息在很大程度上可以帮助作物生长模型克服这些不足。

国产卫星（如HJ、GF、ZY）、MODIS、Landsat、Sentinel-2等遥感数据是进行大范围作物生长状态监测的有效手段；作物生长模型能够利用环境因素模拟作物生长过程，揭示作物生长发育的原因与本质。随着科学技术发展和农业应用需求的驱动，数据同化方法将遥感数据与作物生长模型相结合，监测作物长势及预测作物产量，是当前农业信息技术应用研究的重要内容和发展趋势之一。二者结合既能提供宏观监测信息，又可动态反映作物生长发育过程，有利于实现优势互补，提升应用潜力。

数据同化方法的实现需要在源代码基础上操作，鉴于DSSAT作物模型的源代码为Fortran语言，本文操作主要基于Fortran语言且计算机需为专业版Windows操作系统。

【目标】：

1、掌握遥感模型PROSAIL与作物模型DSSAT前向模拟与反演操作
2、了解PROSAIL与DSSAT模型的耦合思路
3、掌握基于SIMLAB软件开展模型参数全局敏感性分析
4、掌握遥感数据与作物模型同化建模原理与编程实现步骤
5、掌握基于遥感与作物模型同化的长势与产量监测实现过程以及区域制图。

【内容简述】：

本内容主要涉及遥感数据与作物模型同化建模中的遥感数据、PROSAIL模型、DSSAT模型、参数敏感性分析、数据同化算法、模型耦合、精度验证等主要环节。

其它农林生态相关推荐：

基于Python语言快速批量运行DSSAT模型及交叉融合、扩展应用技术应用

最新DSSAT作物模型建模方法及实践技术应用

R语言与作物模型（以DSSAT模型为例）融合应用高级实战技术

无人机遥感在农林信息提取中的实现方法与GIS融合应用

环境土壤物理模型HYDRUS建模方法

双碳目标下DNDC模型建模方法及在土壤碳储量、温室气体排放、农田减排、土地变化、气候变化中的实践应用

生态模型软件：DSSAT、Biome-BGC、InVEST、Meta分析、CASA、CENTURY、ArcGIS、无人机生态