基于遥感信息的作物模型重新初始化/参数化方法研究初探

作物模型与遥感信息的结合有助于利用遥感监测的大范围植被信息解决作物模型区域应用时模型初始状态和参数值难以确定的问题。该文借助叶面积指数(LAI)将经过华北冬小麦(Triticum aestivium)适应性调整的WOFOST模型与经参数调整检验的SAIL-PROSPECT模型相嵌套,利用嵌套模型模拟作物冠层的土壤调整植被指数(SAVI),在代表点上借助FSEOPT优化程序使模拟SAVI_s与MODIS遥感数据合成SAVI_m的差异达到最小,从而对WOFOST模型重新初始化。结果表明,借助于遥感信息,出苗期的重新初始化使模拟成熟期与按实际出苗期模拟的结果相差在2天以内,模拟的LAI和总干重的误差比按实际出苗期模拟结果的误差降低3~8个百分点;返青期生物量的重新初始化使模拟LAI和地上总干重在关键发育时刻的误差降至16%以内,模拟LAI和贮存器官重在整个生育期内都更加接近实测值;对返青期生物量的动态调整显示返青到抽穗期间较少次数的遥感数据即能有效地提高作物模型的模拟效果。与国外同类研究相比,该文在作物模型本地化、重新初始化变量和优化比较对象的选择上都有所不同,而利用遥感数据动态调整作物模型初始状态或参数值更具有新意。该文对区域尺度上利用遥感信息优化作物模型的研究具有基础性、探讨性意义。