基于SHAW模型的冬小麦近地面层气温模拟_刘峻明

合集下载

《2024年基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》范文

《基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》篇一一、引言随着科技的进步和全球气候变化的影响，农作物产量的预测变得越来越重要。

作为重要的粮食作物之一，冬小麦的产量和品质预测对于农业生产、市场供应以及政策制定都具有重要意义。

近年来，随着遥感技术和气象预报技术的不断发展，基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中得到了广泛应用。

本文旨在探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中的应用。

二、方法1. 数据来源本研究使用的数据包括遥感数据、气象预报数据以及农田管理数据。

其中，遥感数据主要用于获取冬小麦的生长信息和空间分布情况；气象预报数据包括温度、降水、光照等关键气象因子；农田管理数据包括种植品种、施肥量、灌溉情况等。

2. DSSAT模型简介DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于作物生长过程的农业决策支持系统，可对农作物的生长、发育和产量进行模拟和预测。

该模型包括多个子模型，可针对不同的农作物和地域条件进行定制化。

3. 模型构建与实现基于遥感数据和气象预报数据，本研究构建了DSSAT模型用于冬小麦产量和品质的预测。

首先，通过遥感数据获取冬小麦的空间分布和生长信息；其次，结合气象预报数据，将关键气象因子输入DSSAT模型中；最后，结合农田管理数据，对冬小麦的生长过程进行模拟和预测。

三、结果与分析1. 产量预测通过DSSAT模型对冬小麦的产量进行预测，结果表明该模型可以较为准确地预测冬小麦的产量。

通过对历史数据的拟合和分析，发现模型对不同地区、不同年份的冬小麦产量都有较好的预测效果。

此外，通过对比实际产量与预测产量，可以发现模型的预测精度较高，为农业生产提供了重要的参考依据。

2. 品质预测除了产量预测外，DSSAT模型还可以对冬小麦的品质进行预测。

基于遥感信息的华北冬小麦区域生长模型及模拟研究

基于遥感信息的华北冬小麦区域生长模型及模拟研究Ξ马玉平　王石立　张　黎(中国气象科学研究院,北京,100081)　侯英雨庄立伟　王馥棠(国家气象中心,北京,100081) (中国气象科学研究院,北京,100081)摘要卫星遥感估产和作物生长模拟在作物监测和产量预测方面有各自不可替代的优势。

但是,遥感估产难以揭示作物生长发育和产量形成的内在机理,作物模拟在区域应用时初始值的获取和参数的区域化遇到很多困难。

如何利用二者的互补性使其相互结合受到人们关注。

该文在Wofost模型本地化和区域化的基础上,首次利用同化法的思路探讨了MODIS遥感信息与华北冬小麦生长模拟模型结合的可行性和方法,初步建立了潜在生产水平(水分适宜条件)下区域遥感2作物模拟框架模型(WSPFRS模型)。

模拟结果显示:WSPFRS模型对区域尺度的出苗期重新初始化后,模拟的开花期、成熟期空间分布的准确性比Wofost模拟结果有所改进;利用遥感信息对区域尺度上返青期生物量重新初始化后,模拟贮存器官干重的空间分布更接近实际单产的分布,贮存器官干重的高值区与实际高产区基本相符。

该研究将为下一步实际水分供应条件下基于遥感信息的冬小麦区域生长模拟研究奠定了基础。

关键词:作物生长模拟,遥感信息,综合模型,华北。

1　引　言准确的作物长势动态监测和产量预测对于保障粮食安全,促进农业可持续发展具有非常重要的意义。

卫星遥感估产具有快速、宏观、动态等优点,是大范围作物长势监测和产量预测的有效手段。

但是,遥感估产受到卫星分辨率、时相等因素的影响,且地学遥感信息反映的只是地表或作物群体表面瞬间物理状况,缺乏对作物生长的机理性描述。

作物生长动力模拟模型以光、温、水、土壤等条件为环境驱动变量,详细描述作物生育期内光合、呼吸、蒸腾等重要生理生态过程。

但在从单点研究发展到区域应用时,产生了地表、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遇到很多困难[1]。

冬小麦不同生长期雷达后向散射特征分析与应用

雷达遥感采用的观测波段较长，能够穿透云雾，几乎能在任何天气条件下进行观测，具备全天时、全天候的观测能力，其时效性保障是作物关键物候期观测的迫切需求，能给作物长势、产量的精确观测提供保障，是稳定、可靠的数据源。越来越多的研究表明，雷达遥感能够监测作物的长势，并得到满意的结果。Ferrazzoli 分析了 P、L、C 波段监测不同植被类型及其生物量的能力[6]；邵芸结合多时相航空、航天和星载 RADARSAT 数据给出了水稻长势监测与产量预估最佳雷达系统参数组合模式，为雷达遥感技术监测水稻长势提供了一套行之有效的技术方法和实施方案[7]；申双和等人利用多时相双极化 ASAR 数据分析了水稻不同生长期的散射特征，对反演水稻参数做了尝试[8]；McNairn 利用全极化雷达数据
56.5～82.1 0.35～0.56 314～992 57.1～76.9 37.86～54.44
72.8 0.46 660 71.4 46.19
0.96～3.88 1.97
48.10～71.60 5.0～9.3 0.9～1.2
29.46～49.48 5.51～29.85 0.41～1.11 59.72～81.68
1）植株密度：每个地块随机取 3 个位置，每个位置测算行向 1 m 的植株个数，以均值作为行密度，测算列间距后，得到单位面积植株密度。
2）生物量：地块中随机取 30 株小麦，即时称质量，以植株密度换算后得到生物量鲜质量。
3）几何结构：以直尺和卷尺随机测算生物量取样时的 5 株小麦的叶、茎、穗尺寸后取均值，测量在取样前进行，以保持作物在自然状态下的结构信息。
雷达信号强度（后向散射）受目标的介电特性、几何结构和雷达系统参数等多方面影响。电磁波与地物的相互作用非常复杂，不同极化方式也存在差异，不易找到有意义的物理参数，这使雷达遥感在提取作物参数时不易找到合理的解释，给反演带来一定盲目性。基于辐射传输方程建立起来的微波散射模型能够在一定程度上模拟作物不同参数变化引起的散射差异，为反演作物参数提供依据。本文基于 MIMICS（michigan microwave canopy scattering model）模型，试图解释冬小麦不同长势变化引起的后向散射变化特征，以期解释不同生长期冬小麦的散射机制，为冬小麦的长势反演提供参考。

基于遥感多参数和CNN-Transformer的冬小麦单产估测

基于遥感多参数和CNN-Transformer的冬小麦单产估测王鹏新;杜江莉;张悦;刘峻明;李红梅;王春梅【期刊名称】《农业机械学报》【年(卷),期】2024(55)3【摘要】为了提高冬小麦单产估测精度,改善估产模型存在的高产低估和低产高估等现象,以陕西省关中平原为研究区域,选取旬尺度条件植被温度指数(VTCI)、叶面积指数(LAI)和光合有效辐射吸收比率(FPAR)为遥感特征参数,结合卷积神经网络(CNN)局部特征提取能力和基于自注意力机制的Transformer网络的全局信息提取能力,构建CNN-Transformer深度学习模型,用于估测关中平原冬小麦产量。

与Transformer模型(R^(2)为0.64,RMSE为465.40 kg/hm^(2),MAPE为8.04%)相比,CNN-Transformer模型具有更高的冬小麦单产估测精度(R^(2)为0.70,RMSE为420.39 kg/hm^(2),MAPE为7.65%),能够从遥感多参数中提取更多与产量相关的信息,且对于Transformer模型存在的高产低估和低产高估现象均有所改善。

基于5折交叉验证法和留一法进一步验证了CNN-Transformer模型的鲁棒性和泛化能力。

此外,基于CNN-Transformer模型捕获冬小麦生长过程的累积效应,分析逐步累积旬尺度输入参数对产量估测的影响,评估模型对于冬小麦不同生长阶段的累积过程的表征能力。

结果表明,模型能有效捕捉冬小麦生长的关键时期,3月下旬至5月上旬是冬小麦生长的关键时期。

【总页数】10页(P173-182)【作者】王鹏新;杜江莉;张悦;刘峻明;李红梅;王春梅【作者单位】中国农业大学信息与电气工程学院;农业农村部农机作业监测与大数据应用重点实验室;中国农业大学土地科学与技术学院;陕西省气象局;中国科学院空天信息创新研究院【正文语种】中文【中图分类】TP79【相关文献】1.基于LAI和VTCI及Copula函数的冬小麦单产估测2.基于遥感多参数和门控循环单元网络的冬小麦单产估测3.基于双变量同化和交叉小波变换的冬小麦单产估测4.基于遥感多参数和VMD-GRU的冬小麦单产估测5.基于遥感多参数和IPSO-WNN的冬小麦单产估测因版权原因，仅展示原文概要，查看原文内容请购买。

基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报

基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报随着农业生产的不断发展，粮食安全问题日益突出，冬小麦作为我国的主要粮食作物之一，其产量和品质的预测具有重要意义。

传统的冬小麦产量和品质预测主要依靠农业人员的经验和个人观察，存在主观性强、时效性差等问题。

因此，如何运用先进的遥感数据和气象预报数据进行冬小麦产量和品质预测，成为当前的研究热点。

本文将介绍一种基于DSSAT模型的冬小麦产量和品质预测方法，该方法结合遥感数据和气象预报数据，具备较高的准确性和实用性。

首先，我们需要了解DSSAT模型的原理。

DSSAT（Decision Support System for Agrotechnology Transfer）是一套用于农作物生长和种植管理决策支持的模型系统。

该模型可以使用真实地理环境、气象、土壤种类和农艺管理措施等参数，通过模拟农业生产的不同阶段，从而对作物的产量和品质进行预测。

接下来，我们需要获得用于模型输入的遥感数据和气象预报数据。

遥感数据可以通过卫星遥感技术获取，包括植被指数、地表温度、降雨量等信息，这些数据可以提供冬小麦生长环境的监测指标。

气象预报数据可以从气象局等机构获取，包括气温、相对湿度、降雨概率等信息，这些数据可以提供冬小麦生长过程中的气候条件。

将遥感数据和气象预报数据输入DSSAT模型中，通过模拟冬小麦生长的各个阶段，包括播种、萌芽、抽穗等，并考虑到不同的农艺管理措施，如施肥、灌溉、杂草防治等，模型可以得出一个关于冬小麦产量和品质的预测结果。

同时，DSSAT模型可以根据实际情况进行调整和优化，以提高预测结果的准确性。

基于DSSAT模型的冬小麦产量和品质预测方法具有很高的应用前景。

首先，该方法可以实现对冬小麦产量和品质的快速预测，大大提高了农业决策的精度和决策效率。

其次，该方法可以帮助农民和相关部门预测冬小麦产量和品质的变化趋势，及时采取相应的措施，以保障粮食安全。

此外，该方法还可以对气候变化等因素进行分析，为冬小麦的种植和管理提供科学依据。

基于WOFOST-SHAW耦合模型的冬小麦冠层气温模拟

基于WOFOST-SHAW耦合模型的冬小麦冠层气温模拟王鹏新;刘丽娜;刘峻明;胡新【期刊名称】《农业机械学报》【年(卷),期】2018(49)1【摘要】Air temperature within canopy reflects the growing condition of plants objectively.Simulation of air temperature within canopy can assist in better understanding of microclimate dynamic change characteristics,and can also provide a scientific basis for monitoring late frost injury of winter wheat.A field experiment was conducted in Shangqiu City,Henan Province to observe the winter wheat growth and ambient environmental factors.Based on the localization,coupled WOFOST and SHAW models were applied to simulate dynamic characteristics of air temperature hourly within winter wheat canopy from 0 cm to 80 cm at after-jointing stage in 2016,and the simulation results were compared with measured data.The results suggested that for coupled WOFOST and SHAW models,model efficiency of the simulated and measured values at different heights within winter wheat canopy was greater than 0.90,and over 75％ of absolute errors of simulated values were in the range of-1.5 ～2.5℃,showing a high accuracy in simulating air temperature within winter wheat canopy as a whole.For daily lowest values of air temperature within winter wheat canopy,model efficiency of coupled WOFOST and SHAW models was about 0.86,and the simulation values of daily lowest values of airtemperature within winter wheat canopy were 0.53℃ greater than measured values,showing an excellent conformity between simulated and measured values.And the simulation values could precisely reflect daily lowest values of air temperature below 0℃ within winter wheat canopy where the late frost injury occurred easily.Therefore,coupled WOFOST and SHAW models can simulate air temperature within winter wheat canopy well,increase applicability of SHAW model,and provide a reference for monitoring late frost injury.%以河南省商丘地区为研究区域,在田间实验的基础上,对WOFOST模型和SHAW模型进行本地化标定,利用WOFOST-SHAW模型模拟2016年冬小麦拔节期-成熟期冠层0～ 80 cm高度每小时气温的变化特征,并将其模拟结果与实测数据进行对比.结果表明,利用WOFOST-SHAW模型模拟的冬小麦冠层,除了80 cm高度,气温的模型效率均大于0.90,超过75％的模拟气温的绝对误差在-1.5 ～2.5℃之间,说明冠层气温的整体模拟精度较高.WOFOST-SHAW 模型对冬小麦冠层各高度的日最低气温的模型效率平均值为0.86,日最低气温模拟值偏高0.53℃,说明冠层日最低气温的模拟值与实测值吻合度较高.同时冬小麦易受冻高度层模拟气温能准确地反映0℃以下的冠层日最低气温,因此,WOFOST-SHAW模型可以很好地模拟冠层气温,提升SHAW模型的适用性,可为冬小麦晚霜冻害的监测提供参考依据.【总页数】9页(P164-172)【作者】王鹏新;刘丽娜;刘峻明;胡新【作者单位】中国农业大学信息与电气工程学院,北京100083;农业部农业灾害遥感重点实验室,北京100083;中国农业大学信息与电气工程学院,北京100083;农业部农业灾害遥感重点实验室,北京100083;中国农业大学信息与电气工程学院,北京100083;农业部农业灾害遥感重点实验室,北京100083;商丘市农林科学院小麦研究所,商丘476000【正文语种】中文【中图分类】S162.4+2【相关文献】1.基于冠层分析仪的冬小麦叶面积指数测算及模拟 [J], 武海霞2.双叶模型在冬小麦田冠层CO2通量多层模拟中的应用 [J], 申双和;张雪松;欧阳竹3.温带混交林碳水通量模拟及其对冠层分层方式的响应——耦合的气孔导度-光合作用-能量平衡模型 [J], 施婷婷;高玉芳;袁凤辉;Takeshi Ohta4.基于冠层叶气温差的苹果园土壤水分预报模型 [J], 张劲松;孟平;高峻;王鹤松;褚建民5.基于SHAW模型的冬小麦近地面层气温模拟 [J], 刘峻明;汪念;王鹏新;胡新;黄健熙因版权原因，仅展示原文概要，查看原文内容请购买。

基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报

基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报一、引言冬小麦是世界上重要的粮食作物之一，对人类的生存和发展具有重要意义。

因此，准确预测冬小麦的产量和品质对于农业生产和国民经济发展至关重要。

然而，冬小麦产量和品质受到多种因素的影响，如土壤养分、气象条件等。

基于遥感数据和气象预报数据的DSSAT模型可以提供有效的冬小麦产量和品质的预测方法。

本文将重点探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测上的应用。

二、DSSAT模型简介DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于农业科学原理和农业系统模拟的决策支持系统，广泛应用于全球各地的农业管理和决策中。

该模型可以模拟农田生态系统中的各种生理和生态过程，如作物生长、土壤水分和养分环境等。

通过输入土壤属性、作物品种、管理措施、气象数据等参数，DSSAT模型能够模拟和预测作物的生长和产量。

三、遥感数据在DSSAT模型中的应用遥感数据是通过卫星或飞机获取的地球表面的信息，包括地表温度、植被指数、土壤湿度等。

这些数据能够提供大面积的地表信息，对于农业生产的决策和管理具有重要意义。

在DSSAT 模型中，通过将遥感数据作为模型的输入，可以更精确地模拟和预测冬小麦的生长和产量。

例如，遥感数据可以提供冬小麦的叶绿素含量和植被覆盖度，从而反映作物的光合作用和生长状态。

同时，遥感数据还可以用于监测土壤湿度和作物水分胁迫等关键参数，为提高冬小麦产量和品质提供可靠的依据。

四、气象预报数据在DSSAT模型中的应用气象预报数据是指天气预报部门根据大气环流和气象要素变化趋势所进行的预测数据。

这些数据可以提供未来一段时间内的气温、降水量和光照等信息。

在DSSAT模型中，气象预报数据可以用于预测冬小麦的生长季节和气候条件。

一种基于历年有效积温的冬小麦生育期预测方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910615117.3(22)申请日 2019.07.09(71)申请人北京兴农丰华科技有限公司地址 100193 北京市海淀区天秀路10号中国农大国际创业园2号楼4025室(72)发明人朱德海　张俊青　(74)专利代理机构北京众合诚成知识产权代理有限公司 11246代理人邹仕娟(51)Int.Cl.G06Q 10/04(2012.01)G06Q 10/06(2012.01)G06Q 50/02(2012.01)(54)发明名称一种基于历年有效积温的冬小麦生育期预测方法(57)摘要本发明提出了一种基于历年有效积温的冬小麦生育期预测方法，包括：步骤S1，获取历史生育期数据和历史日均温数据；步骤S2，根据所述历史生育期数据和历史日均温数据，建立各阶段发育速率模拟模型；步骤S3，获取预报年数据值：当年小麦播种期和每日日均温。

将播种—冬前停止生长的有效积温、返青日期开始的逐日有效积温分别代入相应的模拟模型，计算逐日发育速率并对其进行累加，累加值达到1的天数即为冬小麦完成该发育阶段的天数，即预测当年小麦各生育期的具体日期。

本发明只需要日均温数据便能准确预测生育期动态；既考虑了冬前有效积温对返青后发育速率的影响，又考虑了返青后有效积温的累积影响作用。

权利要求书2页说明书4页附图2页CN 110264018 A 2019.09.20C N 110264018A1.一种基于历年有效积温的冬小麦生育期预测方法，其特征在于，包括如下步骤：步骤S1，获取历史生育期数据和历史日均温数据；步骤S2，根据所述历史生育期数据和历史日均温数据，建立各阶段发育速率模拟模型；步骤S3，获取预报年数据值：当年小麦播种期和每日日均温，将播种—冬前停止生长的有效积温、返青日期开始的逐日有效积温分别代入相应的模拟模型，计算逐日发育速率并对其进行累加，累加值达到1的天数即为冬小麦完成该发育阶段的天数，即预测当年小麦各生育期的具体日期。

基于作物模型模拟年际生物量变化的冬小麦干旱监测研究

ｒ０Ｂｕｒｅａｕ，Ｘｉ ’ ａ／２７１００１４，Ｃｈｉｎａ）
２．ＳｈａａｎｘｉＰｒｏｖｉｎｃｉａｌ
Ａｂｓｔｒａｃｔ：ＢａｓｅｄｏｎｔｈｅｃａｌｉｂｒａｔｅｄＣＥＲＥＳ—Ｗｈｅａｔｍｏｄｅｌａｎｄｔｈｅｎｏａｍａｌｙｍｅｔｈｏｄ，ｔｈｅｉｎｔｅｒ－ａｎｎｕａｌｖａｒｉａｂｉｌｉｔｙｏｆｂｉｏｍａｓｓｏｆｗｉｎｔｅｒｗｈｅａｔｉｎｈｅｔＧｕａｎｚｈｏｎｇＰｌａｉｎｉｎＳｈａａｎｘｉＰｒｏｖｉｎｃｅｗａｓｓｉｍｕｌａｔｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｈａｔｔｗｈｅｎｈｅｔ
刘骁月，王鹏新，张树誉２，王维
（１．中国农业大学信息与电气工程学院，北京１０００８３；２．陕西省气象局，陕西西安７１００在对农业技术转移决策支持系统（ＤＳＳＡＴ）中的ＣＥＲＥＳ—Ｗｈｅａｔ
第３１卷第１期２０１３年１月
干旱地区农业研究
ｃｕｌｔｕｒａｌＲｅｓｅａｒｃｈｉｎｔｈｅＡｒｉｄＡｒｅａｓ
Ｖ０１．３１Ｎｏ．Ｉ
Ｊａｎ．２０１３
基于作物模型模拟年际生物量变化的冬小麦干旱监测研究

基于遥感与作物生长模型的冬小麦生长模拟研究

基于遥感与作物生长模型的冬小麦生长模拟研究准确的作物长势动态监测和产量预测对于保障粮食安全、促进农业可持续发展具有非常重要的意义。

作物模型在监测作物长势和预报产量方面是个强有力的工具，然而作物模型由单点模式发展而来，在区域应用上由于区域分异、田块分异等导致作物模型模拟要求的输入参数和初始条件难以获取，使作物模型的应用受到很大的限制，而遥感信息的引入可能使得这个问题得到解决，将遥感信息和作物模型相结合，利用遥感信息反演得到的状态变量优化作物模型模拟，在区域上对作物模型所需的敏感参数和初始条件等重新估计，从而使得作物模型在区域上发挥优势。

本研究拟在对作物模型WOFOST适应性调整及改进的基础上，建立适合山东禹城地区的冬小麦生长模拟模型；利用田间试验数据校正和验证作物生长模拟模型WOFOST，探讨水分胁迫生产水平下的作物模拟模型与遥感信息结合的方法，利用遥感信息校准作物模拟模型的某些关键过程或重新初始化、参数化作物模拟模型，以达到对作物模型的优化；探索应用遥感信息的区域性作物模拟的合理实用方法，并进行模拟研究，使之可以进行区域作物长势监测和产量预报。

主要结论如下：(1)为使WOFOST模型能更好地模拟水分胁迫对冬小麦生长过程的影响，对WOFOST模型进行了适当改进：利用FAO最新推荐的Penman-Monteith公式(1998)替换原有的Penman公式(1948)进行参考作物蒸散的估算；依据同一作物不同生育阶段的作物系数不同的规律，将作物系数改为随生育期变化的变量。

根据作物生长参数生物学意义和敏感性的不同制定调整方案，利用FSEOPT 程序或“试错法”对光合作用最大速率、比叶面积、叶片衰老指数、分配系数、光能利用效率、干物质转换系数等参数进行调整。

利用田间试验数据对调整后的WOFOST模型进行校正和验证。

结果表明：通过对上述两个方面的适当改进和主要作物参数及土壤参数的适应性调整，调整后WOFOST模型对冬小麦的模拟如LAI、地上生物量与实测数据相符，蒸散的模拟更符合实际情况，调整后WOFOST模型可用于模拟研究区域实际土壤水分状况下冬小麦生长发育及产量形成过程。

《2024年基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》范文

《基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》篇一一、引言随着科技的发展，农业生产的精准化、智能化已成为现代农业发展的重要方向。

冬小麦作为我国主要的粮食作物之一，其产量和品质的预测对于农业生产和粮食安全具有重要意义。

本文将探讨如何利用遥感数据和气象预报数据，结合DSSAT模型，对冬小麦的产量和品质进行预报，以期为农业生产提供科学依据。

二、遥感数据与气象预报数据的获取与处理1. 遥感数据获取与处理遥感技术可以通过卫星或无人机等手段获取地表的影像信息，具有快速、高效、覆盖面广等优点。

针对冬小麦的遥感监测，主要关注的是植被指数、叶面积指数等与作物生长相关的参数。

通过对遥感数据进行预处理（如辐射定标、大气校正等），提取出与冬小麦生长相关的信息。

2. 气象预报数据获取与处理气象数据对于作物生长具有重要影响。

通过与气象部门合作，获取冬小麦生长季的气象预报数据，包括温度、降水、光照等关键气象要素。

对气象数据进行处理，提取出与冬小麦生长相关的关键指标。

三、DSSAT模型应用及原理DSSAT（Decision Support System for Agro-Technical Assessment）模型是一种基于作物生长过程的模拟模型，可以模拟作物的生长过程、产量和品质等。

通过将遥感数据和气象预报数据输入DSSAT模型，可以实现对冬小麦产量和品质的预测。

DSSAT模型主要基于生理生态学原理，通过模拟作物的光合作用、呼吸作用、水分代谢等生理过程，以及作物对环境因素的响应，来预测作物的生长状况。

在冬小麦的预测中，DSSAT模型主要考虑了冬小麦的生长发育、水分管理、氮素管理等因素。

四、基于DSSAT模型的冬小麦产量和品质预测1. 产量预测利用DSSAT模型，结合遥感数据和气象预报数据，可以实现对冬小麦产量的预测。

首先，将遥感数据中的植被指数、叶面积指数等信息输入DSSAT模型，模拟作物的生长发育过程。

黄淮海冬小麦冠层消光系数农业气象数值模拟

黄淮海冬小麦冠层消光系数农业气象数值模拟
刘建栋;于强;刘昌明
【期刊名称】《中国生态农业学报》
【年(卷),期】2002(010)003
【摘要】利用美国Licor-188B辐射量子照度仪测定了黄淮海冬小麦冠层消光系数,建立了冠层消光系数模型,验证表明模型具有较高准确度.数值分析表明,直接辐射消光系数日变化非常明显,散射辐射消光系数日变化幅度较小,总辐射日平均消光系数随纬度增加而增大;当LAI=5时,黄淮海地区冬小麦抽穗期消光系数理论值变化范围为0.6865～0.6969.
【总页数】4页(P47-50)
【作者】刘建栋;于强;刘昌明
【作者单位】中国气象科学研究院农业气象中心,北京,100081;中国科学院地理科学与资源研究所,北京,100101;中国科学院石家庄农业现代化研究所,石家
庄,050021
【正文语种】中文
【中图分类】S16
【相关文献】
1.冠层CO2分布廓线的农业气象数值模拟研究 [J], 刘建栋;于强;傅抱璞
2.冬小麦群丛反射率农业气象数值模拟研究 [J], 刘建栋
3.黄淮海地区冬小麦品种进化过程中叶片农业气象指标演化分析 [J], 刘玲;刘建栋;
于强;毕建杰;樊广华;毛飞
4.黄淮海地区冬小麦农业气象指标体系的构建 [J], 王纯枝;毛留喜;杨晓光;郭安红;姜月清;侯英雨
5.手持式植物冠层光谱测定仪在黄淮海平原地区冬小麦氮肥精准管理中应用的初步研究 [J], 李立平;张佳宝;邢维芹;李红伟
因版权原因，仅展示原文概要，查看原文内容请购买。

冬小麦病害防治效果模拟模型(ESWDC)的初步设计

冬小麦病害防治效果模拟模型(ESWDC)的初步设计
郝建军;曾士迈
【期刊名称】《中国农业大学学报》
【年(卷),期】1990(000)0S1
【摘要】冬小麦病害防治效果模拟模型（ESWDC）是在前人的工作基础上建立的。

它以小麦条锈、叶锈、白粉、纹枯四种病害为对象,以获得最佳经济、生态、社会
三大效益为目的,是一防治效果模型。

当输入病害及不同防治措施（品种、栽培、
播期、化防等）时,输出项则是各阶段病情及最终的效益值。

病害数量发展分别用
逻辑斯蒂模型或单利病害模型推算,依病害种类而定。

防治措施通过影响
X<sub>6</sub>及 r 值而影响病害的发展。

ESWDC 模型可在微机上实现,具有
快速、合理、实用之特点。

【总页数】9页(P60-68)
【作者】郝建军;曾士迈
【作者单位】[1]北京农业大学植保系;[2]北京农业大学植保系
【正文语种】中文
【中图分类】S
【相关文献】
1.冬小麦返青后株高模拟模型及生长可视化研究 [J], 李书钦;诸叶平;刘海龙;李世娟;刘升平;张红英;高伟
2.调亏灌溉条件下冬小麦籽粒灌浆特征及其模拟模型 [J], 孟兆江;孙景生;段爱旺;
刘祖贵;王和洲
3.基于土壤-作物系统模拟模型的冬小麦田间水氮优化管理 [J], 陈研;胡克林;冯凌;李保国
4.基于动态模拟模型分析冬小麦干物质积累特征对产量的影响 [J], 赵姣;郑志芳;方艳茹;周顺利;廖树华;王璞
5.冬小麦株高和叶面积指数变化动态分析及模拟模型 [J], 王声锋;段爱旺;徐建新因版权原因，仅展示原文概要，查看原文内容请购买。

基于无人机高光谱遥感数据的冬小麦生物量估算

基于无人机高光谱遥感数据的冬小麦生物量估算作者：陶惠林冯海宽徐良骥杨贵军杨小冬苗梦珂刘明星来源：《江苏农业学报》2020年第05期摘要：以植被指数和红边参数为模型因子，利用多元线性回归（MLR），构建冬小麦不同生育期的生物量估算模型，从而有效和更好地监测冬小麦的长势情况，为精准农业中作物的快速监测提供技术手段。

首先分析植被指数（VI）和红边参数（REPS）与冬小麦生物量的相关性，然后运用MLR分别建立模型MLR+VI、MLR+REPS和MLR+VI+REPS，最后将优选的冬小麦生物量估算模型应用于无人机高光谱影像中，验证模型的可行性。

结果表明，利用单个植被指数或红边参数构建的估算模型在孕穗期、开花期和灌浆期估算精度最高的植被指数分别是归一化植被指数（NDVI）、简单比值指数（SR）和增强型土壤调节植被指数（MSAVI），精度最高的红边参数分别为红边振幅/最小振幅、红边振幅和红边振幅;通过MLR分别以植被指数、红边参数和植被指数结合红边参数为因子构建的模型MLR+VI、MLR+REPS与MLR+VI+REPS效果优于单个植被指数或红边参数建立的模型，3种模型在不同生育期的验证结果也较好，其中MLR+VI+REPS模型精度最高，模型决定系数（R2）、标准均方根误差（NRMSE）分别为0.783 2与12.13%。

关键词：无人机;高光谱;冬小麦;多元线性回归;植被指数;红边参数中图分类号：S127文献标识码：A文章编号：1000-4440（2020）05-1154-09Abstract： Using vegetation index （VI） and red edge parameter （REPS） as model factors， multivariate linear regression （MLR） was used to construct a biomass estimation model for winter wheat in different growth periods， to effectively and better monitor the growth of winter wheat and provide technical means for rapid monitoring of crops in precision agriculture. The correlation of VI and REPS with biomass of winter wheat was analyzed first. Then MLR+VI model，MLR+REPS model and MLR+VI+REPS model were constructed by MLR respectively. Finally， the optimized model for estimation of biomass in winter wheat was applied in hyperspectral images taken by unmanned aerial vehicles to verify the feasibility of the models. The results showed that the vegetation indices with the highest estimation accuracy of the estimation model constructed by single vegetation index or red edge parameter in booting stage， flowering stage and filling stage were normalized difference vegetation index （NDVI）， simple ratio index （SR） and modified soil-adjusted vegetation index （MSAVI） respectively， and the red edge parameters with the highest precision were red edge amplitude/minimum amplitude， red edge amplitude and red edge amplitude respectively. The effects of MLR+VI model， MLR+REPS model and MLR+VI+REPS model were better than the models constructed by single vegetation index or single red edge parameter. The verification results of the MLR+VI model， MLR+REPS model and MLR+VI+REPS model in different growth periods were also good， and the MLR+VI+REPS model showed the highest precision， the coefficient of determination （R2） and normalized root mean square error （NRMSE） of the model were 0.783 2 and 12.13% respectively.Key words：unmanned aerial vehicle（UAV）;hyperspectral;winter wheat;multiple linear regression;vegetation index;red edge parameters生物量是作物生長过程中重要的生物物理参数之一[1]，能够很好地反映作物的长势情况，便于农业管理者对作物更好地进行管理。

基于NDWI和卷积神经网络的冬小麦产量估测方法

基于NDWI和卷积神经网络的冬小麦产量估测方法刘峻明;周舟;和晓彤;王鹏新;黄健熙【期刊名称】《农业机械学报》【年(卷),期】2021(52)12【摘要】为进一步提高冬小麦单产估测的效率和准确性,利于宏观指导农业生产、制定冬小麦整个生长期的精准管理决策,针对目前已有的县域冬小麦单产估测方法存在时效性差、准确度低、成本高等问题,以中分辨率成像光谱仪(Moderate resolution imaging spectroradiometer,MODIS)为数据源,分别提取不同时段可见光与近红外波段信息,选择归一化差值植被指数(Normalized difference vegetation index,NDVI)、归一化差值水指数(Normalized difference water index,NDWI)、土壤调节植被指数(Soil adjusted vegetation index,SAVI)、调整土壤亮度植被指数(Optimal soil adjusted vegetation index,OSAVI)、绿色归一化植被指数(Green normalized difference vegetation index,GNDVI)、改进型土壤调节植被指数(Modified soil-adjusted vegetation index,MSAVI)以及绿红植被指数(Green red vegetation index,GRVI)7个遥感植被指数,以其直方图分布信息作为输入变量,应用卷积神经网络(Convolutional neural network,CNN)回归预测冬小麦产量,对比分析NDWI在冬小麦产量估测上的表现并探究其在霜冻害影响下的精度变化。

研究表明,相对于植被指数NDVI、SAVI、OSAVI、GNDVI、MSAVI、GRVI,NDWI对冬小麦生育早期的产量预测表现出更好的预测效果,单产去趋势前后的NDWI对产量的预测精度均高于NDVI、SAVI等植被指数,决定系数最高可达到0.79,且在霜冻害影响下仍能保持较好的预测效果;NDWI在抽穗—灌浆阶段对冬小麦最终产量影响最大,4月23—30日时间段内NDWI对产量的决定系数可达到0.72;空间分布上,研究区域冬小麦具有东部单产最高、中部次之、西部单产最低的空间分布特征,西部和北部山区与东部黄淮海平原交界处误差较大。

CropSyst模型在区域冬小麦产量模拟中的应用

CropSyst模型在区域冬小麦产量模拟中的应用黄青;陈仲新;刘航;滕飞【期刊名称】《中国农业信息》【年(卷),期】2018(030)002【摘要】[目的]CropSyst是国际先进的作物生长模拟模型,文章应用欧盟最新开发的基于生物物理过程的作物模拟平台BioMa(Biophysical model application)中嵌入的改进型作物模型CropSyst,进行CropSyst模型中国北方冬小麦模拟适用性评价.[方法]CropSyst模型初始参数不适合中国冬小麦作物模拟,该研究基于冬小麦主产区河北省衡水市11个县(市)的实测作物、物候、生物量及产量等数据,对CropSyst模型在中国华北地区的使用进行了一系列参数的调试、修正和验证,获得了一套CropSyst模型中适合中国华北小区域范围内冬小麦生长过程模拟的模型参数,并运用调试的作物参数对2012—2014年衡水地区冬小麦产量进行了模型模拟.[结果]冬小麦模拟产量和实测产量线性回归的相关系数平均达到0.97,模拟性能指数(EF)为0.94,一致性系数(IOA)为0.98.[结论]改进的CropSyst模型对中国华北黄淮海平原区冬小麦产量模拟总体效果较好.【总页数】8页(P115-122)【作者】黄青;陈仲新;刘航;滕飞【作者单位】中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081;中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081;中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081;中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081【正文语种】中文【相关文献】1.AMMI模型和GGE双标图法在新疆冬小麦区域试验产量分析上的应用 [J], 聂迎彬;穆培源;桑伟;徐红军;庄丽;相吉山;邹波;田笑明2.遥感信息与作物模型结合在冬小麦区域模拟中的应用 [J], 郭建茂;王琦;施俊怡;郑腾飞;杨佳3.遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测 [J], 黄健熙;武思杰;刘兴权;马冠南;马鸿元;吴文斌;邹金秋4.冬小麦生长和产量形成与气象条件关系及其动态模拟的研究——以河南省黄淮平原冬小麦中、低产地区为例 [J], 汪永钦;王信理;刘荣花5.分布式水文模型在陕西省冬小麦产量模拟中的应用 [J], 李明星;刘建栋;王馥棠;刘文泉;戴晓苏;廖要明因版权原因，仅展示原文概要，查看原文内容请购买。

基于WOFOST模型的冬小麦产量动态预报方法

基于WOFOST模型的冬小麦产量动态预报方法郑昌玲;张蕾;侯英雨;宋迎波【期刊名称】《干旱地区农业研究》【年(卷),期】2022(40)6【摘要】为了确定基于WOFOST作物模型的冬小麦产量动态预报方法及产量预报业务应用效果,利用全国冬小麦主产区内174个农业气象站冬小麦生育期、叶面积指数和土壤湿度等观测资料以及15个农业气象试验站冬小麦生物量观测资料,完成WOFOST冬小麦模型参数本地化和区域化。

利用全国冬小麦主产区约1200个气象观测站起报日前的逐日气象资料及起报日后30 a平均气候值组成的冬小麦全生育期气象数据驱动模型,模拟得到冬小麦地上总生物量和穗干重,站点和县级尺度的冬小麦单产直接采用穗干重来进行产量预报,省级和全国区域冬小麦平均单产根据模拟值2 a间的变化幅度进行产量预报。

根据不同空间尺度的历史年预报冬小麦单产与实际产量数据的对比,进行基于WOFOST模型的冬小麦产量预报方法效果检验。

结果表明:(1)2014—2019年期间295个农业气象站次冬小麦产量估测平均准确率为81.8%,220个次县冬小麦单产估测平均准确率为84.3%,预报结果具有可用性;(2)12个主产省(市、区)冬小麦单产2003—2019年平均预报准确率为88.2%~96.4%,全国冬小麦单产预报准确率为93.9%~95.9%,总体预报准确率较高,说明基于WOFOST模型的冬小麦产量动态预报方法具有可行性;(3)基于WOFOST 模型与统计方法的冬小麦平均单产估产结果准确率略偏低,但预报的时效性和动态性具有更好的优势,能满足作物产量预报业务需求。

基于WOFOST模型的不同空间尺度冬小麦单产动态产量估测的准确率验证,说明WOFOST在作物产量预报业务应用具有可行性;利用作物模型进行基于站点尺度的产量预报能够提高作物产量预报时空精细化能力,也能扩展到大尺度区域应用以达到对农业决策和宏观调控的目的。

【总页数】10页(P242-250)【作者】郑昌玲;张蕾;侯英雨;宋迎波【作者单位】国家气象中心【正文语种】中文【中图分类】S512.1;S165【相关文献】1.基于WOFOST模型的黑龙江省水稻产量动态预报研究2.基于气候和土壤水分综合适宜度指数的冬小麦产量动态预报模型3.基于历史气象资料和WOFOST模型的区域产量集合预报4.基于WOFOST模型的华北冬小麦动态长势评估指标构建5.基于WOFOST模型的河南省冬小麦产量差的时空特征分析因版权原因，仅展示原文概要，查看原文内容请购买。

基于条件植被温度指数的冬小麦产量预测

基于条件植被温度指数的冬小麦产量预测田苗;王鹏新;张树誉;刘峻明;景毅刚;李俐【期刊名称】《农业机械学报》【年(卷),期】2014(45)2【摘要】条件植被温度指数(VTCI)综合了地表主要参数——植被指数(NDVI)和地表温度(LST),能够较为准确地对干旱进行监测,可为抗旱救灾、遥感作物估产等提供科学依据.在改进层次分析法的加权VTCI与冬小麦产量的相关性研究成果和VTCI 的季节性ARIMA模型干旱预测研究成果基础上,对关中平原的冬小麦产量进行向前1旬、2旬和3旬的预测研究.研究结果表明,产量预测结果与产量监测结果吻合较好,预测精度随着预测步长的增大而降低,关中平原4个地级市平均产量预测结果的最大相对误差为3.27％,说明用该方法可以进行向前3旬的产量预测.【总页数】7页(P239-245)【作者】田苗;王鹏新;张树誉;刘峻明;景毅刚;李俐【作者单位】中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;陕西省气象局,西安710014;中国农业大学信息与电气工程学院,北京100083;陕西省气象局,西安710014;中国农业大学信息与电气工程学院,北京100083【正文语种】中文【中图分类】S165+.27;S512.1+1【相关文献】1.基于同化叶面积指数和条件植被温度指数的冬小麦单产估测 [J], 张树誉;孙辉涛;王鹏新;景毅刚;李俐2.基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价——Ⅱ.改进的层次分析法和变异系数法组合赋权 [J], 李艳;王鹏新;刘峻明;张树誉;李俐3.基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价Ⅲ--干旱对冬小麦产量的影响评估 [J], 李艳;王鹏新;刘峻明;张树誉;李俐4.基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价--I．因子权重排序法和熵值法组合赋权 [J], 李艳;王鹏新;刘峻明;张树誉;李俐5.基于4D—VAR和条件植被温度指数的冬小麦单产估测 [J], 王鹏新;孙辉涛;王蕾;解毅;张树誉;李俐因版权原因，仅展示原文概要，查看原文内容请购买。

基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报

基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报摘要：随着农业技术的不断发展和智能农业的兴起，农作物产量和品质的准确预测变得越来越重要。

本文基于遥感数据和气象预报数据，利用DSSAT模型对冬小麦的产量和品质进行预报。

通过对模型的构建和参数调整，以及收集和加工相关数据，最终得到了可靠的预测结果。

1. 引言冬小麦是我国重要的粮食作物之一，对农民的生计和国家的粮食供应具有重要意义。

因此，准确预测冬小麦的产量和品质，对于农业生产和粮食安全具有重要的指导意义。

传统的冬小麦预测方法主要基于历史数据和经验公式，但随着技术的发展，借助遥感数据和气象预报数据进行预测的方法逐渐受到广泛关注。

2. 数据采集与处理2.1 遥感数据遥感数据是通过航空或卫星设备获取的地球表面信息的数字化数据。

通过获取冬小麦生长过程中的植被指数、叶面积指数等关键参数，可以对冬小麦的生长情况进行评估和预测。

本研究中，使用卫星遥感数据获取了冬小麦的生长指标，并对数据进行处理和校正。

2.2 气象预报数据冬小麦的生长受到气象因素的影响较大，包括温度、降水、日照等。

通过获取与冬小麦生长相关的气象数据，可以预测冬小麦的生长情况。

本研究中，我们使用了气象预报数据作为输入参数，并对数据进行处理和清洗。

3. DSSAT模型及参数调整DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种被广泛应用于农业生产预测的数值模型。

该模型基于农业生态学知识和气象、土壤等因素的关联性建立，能够对农作物的生长、发育和产量进行全面预测。

本研究中，我们使用DSSAT模型对冬小麦的产量和品质进行预测，并通过对模型的参数进行调整，提高了预测的准确度。

4. 结果与讨论通过对遥感数据和气象预报数据的收集和加工，以及对DSSAT模型的构建和参数调整，我们得到了冬小麦产量和品质的预测结果。