通过基于像素的参数化改进夏季玉米生长和产量的模拟准确度,基于对高档MODIS LAI进行同化
Dianchen Han1, Peijuan Wang2, Yihui Ding3
1Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, Jiangsu Province, China; State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China.
The Science of the total environment
|October 3, 2024
概括
改善玉米产量模拟对于粮食安全至关重要. 这项研究使用升级的卫星叶面积数据优化了作物模型参数,提高了区域产量预测的准确性.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 作物建模作物建模
背景情况:
- 准确的区域玉米产量模拟对于粮食安全和政策至关重要.
- 基于过程的作物模型需要精确的参数化来进行可靠的预测.
研究的目的:
- 提高区域范围内的夏季玉米生长和产量的模拟准确度.
- 使用同化数据优化中国农业气象模型 (CAMM) 的敏感参数.
主要方法:
- 索博尔灵敏度分析以确定关键作物模型参数.
- 升级MODIS叶面积指数 (LAI) 数据以减少像素内部异质性.
- 4DVar数据同化算法将升级LAI集成到CAMM模型中.
- 基于特定叶面积参数的基于像素的参数化 (SLATB_0,SLATB_1).
主要成果:
- 特定的叶面积参数 (SLATB_0,SLATB_1) 被确定为对玉米产量影响最大的参数.
- 与非同化方案相比,升级LAI并将其同化为CAMM显著提高了收益模拟准确性.
- 双参数优化方案 (DA2) 显示出比单参数优化方案 (DA1) 更高的精度 (r:0.64-0.93).
结论:
- 升级远程传感LAI有效地减少了在更大的像素尺度上的数据不确定性.
- 将升级的LAI数据纳入作物模型可以大大提高区域作物生长和产量模拟.
- 优化作物模型为农业管理和粮食安全评估提供了更可靠的工具.
