论文部分内容阅读
遥感观测-数值动力模式同化是准确获取地表参数并进行地表状况时空分析的有效方法之一。本研究以数值动力模式之一的作物生长模型为例，探讨遥感信息与作物生长模型同化机制与方法，并基于此方法进行作物生长状况时空分析。本文选取长春地区水稻农田作为实验样地，采集水稻多个关键生长期的ASD高光谱数据、生化数据和气象等数据，并获取准同步的环境与灾害监测小卫星CCD影像数据和MODIS影像数据。通过数据分析，提取了作为遥感信息与作物生长模型同化的同化观测量，探讨了融合遥感观测数据的时间尺度选择问题，研究了模型参数区域化方法，建立了区域尺度遥感-作物生长模型同化框架，并基于此同化框架对水稻生长状况进行时空数据分析。论文的研究工作及结论如下：(1)借助辐射传输模型进行植被指数敏感性分析，选择对耦合参数LAI最敏感植被指数作为遥感信息与作物生长模型同化的同化观测量。结果表明：选择的同化观测量MCARI1能较好地反映LAI的变化，且将其作为同化观测量的同化框架运行效率较全波段反射率有大幅度提高。(2)通过设置不同步长的同化时间尺度，比较不同时间尺度下的同化精度和效率，选择合理的同化时间尺度。结果表明：选择步长介于10天~20天之间的时间尺度作为遥感信息与WOFOST模型同化的同化时间尺度是较合适的。(3)采用敏感性分析方法选择和改进植被指数，利用CCD和MODIS数据反演具有空间异质性的参数，获取其区域分布。结果表明：植被指数GNDVI和改进型植被指数NDWI2能较好地反演水稻叶绿素和水分含量，R2都在80%以上。(4)在上述研究工作基础上，基于同化算法-微粒群算法(PSO)建立潜在生产力水平下的区域尺度遥感-作物生长模型同化框架(RS-WOPROSAIL)，并基于此同化框架对长春地区水稻生长参数进行时空分析。结果表明：同化框架生成的水稻生长参数时空数据集较好地体现了水稻生长状况时空域变化特征。论文的创新点：借助辐射传输模型进行同化观测量的选择，并探讨了同化遥感观测的时间尺度选择。通过CCD、MODIS等多源遥感数据反演耦合模型中具有空间异质性特点的参数，为解决模型升尺度问题提供了一种有效途径。利用PSO算法构建了区域尺度遥感-作物生长模型同化框架。此方法机理性强、普适性高，在时空数据建模和分析方面具有高移植性。基于微粒群算法构建的遥感-作物生长模型同化框架克服了作物生长模型模拟空间尺度和遥感信息反演时间尺度的不连续性问题，生成了作物生长状况时空数据集并基于此数据集实现了作物生长状况时空分析，该研究为时空数据建模与分析提供了一种参考和研究思路。