目录
摘要 Ⅱ
关键词 Ⅱ
Abstract Ⅲ
引言
1 选题背景 1
2 基于模型与遥感耦合的产量预测研究进展 1
2.1基于作物生长模拟模型的产量预测研究进展 1
2.2 基于遥感技术的作物产量预测研究进展 3
2.3 遥感与模型数据同化系统建立的研究进展 3
2.3．1 动态模型选择 3
2.3．2 观测数据选择 3
2.3．3 同化算法选择 4
2.4 研究进展总结与研究方向 4
3 材料与方法 4
3．1 研究思路 4
3．2 技术路线 5
3．3 试验与试验区 5
3．4 遥感无人机影像获取 7
3．5 模型输入资料获取 8
3．6 农学参数测定 8
4 结果与分析 9
4．1 基于遥感影响的水稻管理分区研究 9
5 基于模型与遥感耦合的区域产量预测 10
5．1 模型与遥感耦合参数优化选择 10
5．2 农学参数遥感监测模型 10
5．3 基于粒子群算法的水稻生长模型生产力预测研究 11
5.3.1 优化算法 11
5.3.2 研究区实例分析 12
6 讨论与结论 13
6．1 水稻产量预测聚类分区讨论 13
6．2 水稻作物生长模拟模型与遥感技术耦合讨论 13
6．3 结论 14
6．4 今后的研究设想 14
致谢 15
参考文献： 15
基于模拟分区的水稻产量预测研究
摘 要
模拟田块尺度上的作物生长是以往的作物模拟模型的主要应用方向，而在模型应用中耦合遥感观测数据能够使研究从单点拓展到区域尺度。对于二者耦合应用的研究，前人多是以插入卫星遥感影响数据作为切入点，本研究尝试引入无人机技术，利用无人机影像具有较高的分辨率，机动灵活的优势，与模拟模型耦合进行产量的预测预报。但 *51今日免费论文网|www.jxszl.com +Q: #351916072# 
是随着精度的提高，同化单元减小，空间差异性越显著，就会带来巨大的计算量和累积的误差。本研究运用模糊C聚类分区的方法，利用ArcGIS对土壤全氮、有机质等数据进行空间插值，将土壤数据由点拓展到面，并将其与利用遥感影像计算出的水稻不同生育期的植被指数作为分区指标，对估产区聚类分区。然后利用国家信息农业工程技术中心的RiceGrow模型与无人机影像反演的叶面积指数作为耦合参数，将区域尺度上较难准确获取的管理参数（播种期、播种量、施氮量）作为优化参数，对各个分区进行水稻生长模拟，对研究区水稻产量进行预测，实现作物生长模型从单点模拟到区域应用。研究结果表明，采用此方案的样本分区效果较好，大大提升了计算速度，同时又能保持精度在生产要求范围内。本研究将为作物模型生产力的区域预测评估、优化生产管理提供支持。
RICE YIELD PREDICTION BASED ON SIMULATED SUBDIVISION
ABSTRACT
Simulating crop growth on the field scale is the main application direction of previous crop simulation models, and integateing remote sensing observation data in the model application can expand the research from a single point to the regional scale. For the study of the coupling application of simulation models and remote sensing, most of the previous studies used remote sensing data by satellite as the starting point. This study attempts to use the advantages of drone imagery with higher resolution and flexibility. However, it will bring a huge amount of calculation and accumulated errors as the incease of the accuracy, the number of assimilation units and spatial difference. In this study, Fuzzy Ccluster subregion is used to spatially interpolate the soil data with ArcGIS to expand the soil data from points to areas, and it is used as the partition index with the vegetation index of rice at different growth stages calculated using remote sensing images to cluster zone the rice yield estimation. Then use the RiceGrow model of the National Information Agricultural Engineering Technology Center to simulate rice growth in each subarea, and predict the rice yield in the study area, so as to realize the crop growth model from singlepoint simulation to regional application. The research results show that the sample partitioning using this scheme has a better effect, which greatly improves the speed of production measurement, while maintaining the accuracy within the production requirements. This study will provide support for regional prediction and evaluation of crop model productivity and optimized production management.

原文链接：http://www.jxszl.com/nongxue/zwbh/606140.html