近日，中國農業科學院農業資源與農業區劃研究所農業遙感創新團隊和智慧農業創新團隊科研人員在區域作物產量模擬的遙感數據同化技術研究方面取得了重要進展，提出了遙感信息與作物生長模型數據同化新算法，并成功構建了作物估產同化系統，實現了區域作物單產的高精度模擬。相關研究成果《Regional winter wheat yield estimation based on the WOFOST model and a novel VW-4DEnSRF assimilation algorithm》已在遙感領域國際頂級學術期刊《Remote Sensing of Environment》（影響因子9.085）在線發表。
由于一般經驗統計作物遙感估產方法不能對作物生長過程進行定量描述，為了充分發揮作物生長模型機理性強、時間連續、遙感數據空間連續等優勢，進一步提高基于遙感信息與生長模型同化的區域作物單產定量模擬與估算精度，考慮到大范圍作物模型參數獲取和校正存在一定困難，常用的卡爾曼濾波同化算法存在不收斂、奇異值等不足，四維變分算法存在背景誤差為固定值等缺陷，所構建的作物估產同化系統不能完全滿足作物生長時空變異客觀存在所需的高精度模擬要求，本研究創新地提出了一種基于四維擴展和可變時間窗口的集合平方根濾波新同化算法VW-4DEnSRF，在對作物生長模型參數敏感性分析和參數校正基礎上，成功構建了基于WOFOST作物生長模型和VW-4DEnSRF新算法的作物估產同化系統。最終，以河北省衡水市為研究區，以冬小麥為研究對象，將GF-1和HJ-1國產衛星數據反演的葉面積指數信息作為外部遙感同化數據，在最優尺度網格下利用構建的作物估產同化系統實現了區域冬小麥產量定量模擬和估算。
通過與地面實測單產數據和作物單產統計數據比較的結果表明，基于WOFOST模型和所提VW-4DEnSRF算法構建的作物估產同化系統在單點尺度和區域尺度作物單產模擬中都達到較高精度水平，證明了所提數據同化新算法及同化系統在大范圍作物單產定量模擬中具有一定可行性和有效性。本研究提出的VW-4DEnSRF同化算法及構建的估產同化系統是對國際現有遙感與作物生長模型數據同化算法和同化系統的有益補充，對提高遙感與作物生長模型數據同化的作物產量模擬估算精度和水平具有重要科學意義，對今后開展大范圍作物產量模擬預測、區域作物生長監測評價和保障國家糧食安全等具有重要應用價值。
圖1 VW-4DEnSRF新同化算法框架及區域冬小麥單產定量模擬結果
該項研究得到國家自然科學基金（創新研究群體）、中國科協青年人才托舉工程和中國農科院科技創新工程等項目共同資助，吳尚蓉博士為第一作者，任建強研究員與陳仲新研究員為通訊作者。
原文鏈接：
（1） https://www.sciencedirect.com/science/article/pii/S0034425720306490
（2） https://authors.elsevier.com/a/1cQBe7qzSr7iw
Wu Shangrong, Yang Peng, Ren Jianqiang*, Chen Zhongxin*, Li He. Regional winter wheat yield estimation based on the WOFOST model and a novel VW-4DEnSRF assimilation algorithm [J]. Remote Sensing of Environment, 2021, 255（15）：112276.
日期：2021-01-29
由于一般經驗統計作物遙感估產方法不能對作物生長過程進行定量描述，為了充分發揮作物生長模型機理性強、時間連續、遙感數據空間連續等優勢，進一步提高基于遙感信息與生長模型同化的區域作物單產定量模擬與估算精度，考慮到大范圍作物模型參數獲取和校正存在一定困難，常用的卡爾曼濾波同化算法存在不收斂、奇異值等不足，四維變分算法存在背景誤差為固定值等缺陷，所構建的作物估產同化系統不能完全滿足作物生長時空變異客觀存在所需的高精度模擬要求，本研究創新地提出了一種基于四維擴展和可變時間窗口的集合平方根濾波新同化算法VW-4DEnSRF，在對作物生長模型參數敏感性分析和參數校正基礎上，成功構建了基于WOFOST作物生長模型和VW-4DEnSRF新算法的作物估產同化系統。最終，以河北省衡水市為研究區，以冬小麥為研究對象，將GF-1和HJ-1國產衛星數據反演的葉面積指數信息作為外部遙感同化數據，在最優尺度網格下利用構建的作物估產同化系統實現了區域冬小麥產量定量模擬和估算。
通過與地面實測單產數據和作物單產統計數據比較的結果表明，基于WOFOST模型和所提VW-4DEnSRF算法構建的作物估產同化系統在單點尺度和區域尺度作物單產模擬中都達到較高精度水平，證明了所提數據同化新算法及同化系統在大范圍作物單產定量模擬中具有一定可行性和有效性。本研究提出的VW-4DEnSRF同化算法及構建的估產同化系統是對國際現有遙感與作物生長模型數據同化算法和同化系統的有益補充，對提高遙感與作物生長模型數據同化的作物產量模擬估算精度和水平具有重要科學意義，對今后開展大范圍作物產量模擬預測、區域作物生長監測評價和保障國家糧食安全等具有重要應用價值。
圖1 VW-4DEnSRF新同化算法框架及區域冬小麥單產定量模擬結果
該項研究得到國家自然科學基金（創新研究群體）、中國科協青年人才托舉工程和中國農科院科技創新工程等項目共同資助，吳尚蓉博士為第一作者，任建強研究員與陳仲新研究員為通訊作者。
原文鏈接：
（1） https://www.sciencedirect.com/science/article/pii/S0034425720306490
（2） https://authors.elsevier.com/a/1cQBe7qzSr7iw
Wu Shangrong, Yang Peng, Ren Jianqiang*, Chen Zhongxin*, Li He. Regional winter wheat yield estimation based on the WOFOST model and a novel VW-4DEnSRF assimilation algorithm [J]. Remote Sensing of Environment, 2021, 255（15）：112276.
日期：2021-01-29
