留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于约束性分析的数据与作物模型同化方法

孙琳丽 马玉平 景元书 俄有浩 邹艳东 邢开瑜

孙琳丽, 马玉平, 景元书, 等. 基于约束性分析的数据与作物模型同化方法. 应用气象学报, 2013, 24(3): 287-296..
引用本文: 孙琳丽, 马玉平, 景元书, 等. 基于约束性分析的数据与作物模型同化方法. 应用气象学报, 2013, 24(3): 287-296.
Sun Linli, Ma Yuping, Jing Yuanshu, et al. Assimilation of observations with crop growth model based on the constrained analysis of parameters. J Appl Meteor Sci, 2013, 24(3): 287-296.
Citation: Sun Linli, Ma Yuping, Jing Yuanshu, et al. Assimilation of observations with crop growth model based on the constrained analysis of parameters. J Appl Meteor Sci, 2013, 24(3): 287-296.

基于约束性分析的数据与作物模型同化方法

资助项目: 

中国气象科学研究院基本科研业务费专项 2009Y005

中国气象局气候变化专项 CCSF-09-12

公益性行业 (气象) 科研专项 GYHY200906022

详细信息
    通信作者:

    马玉平, email: mayp@cams.cma.gov.cn

Assimilation of Observations with Crop Growth Model Based on the Constrained Analysis of Parameters

  • 摘要: 同化观测数据可为作物生长模型的区域应用提供支持。该文定义了观测数据对模型参数的约束性,研究发现华北夏玉米观测数据对WOFOST模型的可约束参数主要包括初始总干物重、不同发育阶段的比叶面积、初始最大CO2同化速率、叶片衰老系数、初始土壤有效水、最大根深日增量以及初始根深的初始土壤水分含量等。建立了基于参数约束性分析的观测数据与作物生长模型同化方法和流程, 利用优化算法进行作物生长模型所有参数和变量初值的敏感性分析,遴选出各状态变量的敏感参数;根据拟合度与优化结果之间关系进行敏感参数的约束性分析,获得不同变量的可约束参数;组合优化可约束参数得到各参数最优值,由此实现了观测数据与作物生长模型的同化。约束性体现了观测数据对模型参数或变量初值的控制能力,可约束参数作为待优化参数使数据模型同化获得了最优结果。
  • 图  1  基于参数约束性分析的观测数据与作物生长模型同化方法

    Fig. 1  Assimilation method of observations with Crop Growth Model based on the analysis of constrained character

    图  2  潜在生产水平下WOFOST模型同化LAI时QT随参数取值变化 (2009年CK处理)

    Fig. 2  The changes of QT values with parameter values in assimilating LAI to WOFOST under potential production level (CK treatment in 2009)

    表  1  WOFOST模型的主要参数

    Table  1  Main parameters in WOFOST

    参数 定义 单位
    TDWI 初始地上部总干物重 kg·hm-2
    SLA 比叶面积 hm2·kg-1
    SPAN 叶片衰老系数 d
    EFF 单叶光能利用率 kg·hm-2·h-1·J-1·m2·s
    Amax 叶片最大CO2同化速率 kg·hm-2·h-1
    RML 叶片相对维持呼吸速率 kgCH2O·kg-1·d-1
    RMO 贮存器官相对维持呼吸速率 kgCH2O·kg-1·d-1
    RMS 茎相对维持呼吸速率 kgCH2O·kg-1·d-1
    RDRS 茎相对死亡速率 kg·kg-1·d-1
    CFET 蒸散速率订正系数
    RDI 初始根深 cm
    RRI 根深最大日增量 cm·d-1
    WAV 初始土壤有效水 cm
    SMLIM 初始根深的初始水分含量 cm3·cm-3
    下载: 导出CSV

    表  2  以LAI和TAGP为同化数据时WOFOST模型的模拟误差 (2009年)

    Table  2  Errors of WOFOST while LAI and TAGP as assimilation data in 2009

    同化数据 参变量 统计量 生产水平
    潜在 水分胁迫
    LAI Amax1 绝对误差/(kg·hm-2·kg-1) 3 2.5
    相对误差/% 6 5
    SPAN 绝对误差/d 0.1 0.08
    相对误差/% 0.2 0
    SLA1 绝对误差/(hm2·kg-1) 0.0001 0
    相对误差/% 3 0
    WSO 绝对误差/(kg·hm-2) 76 96
    相对误差/% 0.9 1
    TAGP 绝对误差/(kg·hm-2) 179 271
    相对误差/% 1 2
    TAGP TDWI 绝对误差/(kg·hm-2) 2 1.1
    相对误差/% 4 2
    SLA2 绝对误差/(hm2·kg-1) 0.0001 0
    相对误差/% 6 0
    SPAN 绝对误差/d 4 4
    相对误差/% 8 8
    WSO 绝对误差/(kg·hm-2) 70 62
    相对误差/% 0.9 1
    TAGP 绝对误差/(kg·hm-2) 96 100
    相对误差/% 0.6 1
    下载: 导出CSV

    表  3  WOFOST模型敏感参数的拟合度QT

    Table  3  QT of sensitivity parameters in WOFOST

    参数 潜在生产水平 (2009年CK处理) 水分胁迫生产水平 (2009年K2处理)
    LAI WSO/(kg·hm-2) TAGP/(kg·hm-2) LAI WSO/(kg·hm-2) TAGP/(kg·hm-2) SM/%
    TDWI 0.35 1295.89 1142.58 0.31 1542.93 251.96 4.05
    SLA1 0.37 1291.53 980.39 0.29 305.24 269.21 3.89
    Amax1 0.37 1293.18 1029.72 0.29 808.56 439.72 4.26
    EFF2 0.41 1075.47 0.34 1088.23 1437.47
    SLA2 0.47 805.91 909.88 0.31 1568.69 1597.23 3.91
    Amax2 0.66 1265.34 1008.89 0.34 1009.37 1088.11 4.65
    EFF1 0.96 1075.38 0.79 1426.45 2340.61
    SPAN 1.00 1278.54 980.71 0.64 532.05 1130.70 4.67
    RMO 1019.33 910.88 1476.14
    Amax4 1043.29 929.49 1413.26 2690.93
    Amax3 1216.73 1336.32 2646.97
    SLA3 1271.46 1056.22 1704.76 2856.13 4.67
    Amax5 1117.89 972.11
    RDRS3 1205.73
    RML 1208.80 960.28
    RRI 0.25 322.81 268.69 4.43
    WAV 0.29 305.41 245.65 4.68
    SMLIM 0.31 313.93 249.74 4.32
    RDI 0.32 1732.18 4.58
    CFET2 0.90 1288.60 4.38
    CFET1 0.56 1474.08 2236.67 4.58
    下载: 导出CSV

    表  4  水分胁迫生产水平下不同观测数据在WOFOST模型中的可约束参数 (2009年K2处理)

    Table  4  Constrained parameters of different observations in WOFOST under water stress production level (K2 treatment in 2009)

    状态变量 可约束参数
    LAI WAV, Amax1, SLA1, RRI, SMLIM, TDWI, SPAN
    WSO WAV, SLA1, SMLIM, SLA2, SPAN, RRI
    TAGP WAV, SLA1, RRI, SMLIM, TDWI
    SM WAV, RRI, SMLIM, TDWI, SPAN
    下载: 导出CSV

    表  5  WOFOST模型同化观测数据后可约束参数的最优值 (2009年)

    Table  5  Optimal values of constrained parameters while assimilation of observations with WOFOST in 2009

    项目 潜在生产水平 (CK处理) 水分胁迫生产水平 (K2处理)
    LAI WSO TAGP LAI WSO SM
    可约束参数 TDWI/(kg·hm-2) SLA1/(hm2·kg-1) SPAN/d SLA2/(hm2·kg-1) AMAX1/(kg·hm-2·h-1) RRI/(cm·d-1) SMLIM/(cm3·cm-3) SLA2/(hm2·kg-1) WAV/cm
    参数优化值 22.41 0.0028 49.81 0.0015 74.82 0.74 0.24 0.0011 23.07
    下载: 导出CSV
  • [1] Mckinion J M, Baker D N.Application of the GOSSYM/COMAX system to cotton crop management.Agriculture Systems, 1989, 31:31-35. https://www.researchgate.net/publication/222341090_Application_of_the_GOSSYMCOMAX_system_to_cotton_crop_management
    [2] 高亮之.农业模型学基础.香港:天马图书有限公司, 2004:20-22.
    [3] 张宇, 王馥棠.气候变暖对中国水稻生产可能影响的研究.气象学报, 1998, 56(3):369-376. doi:  10.11676/qxxb1998.032
    [4] 熊伟, 杨婕, 林而达, 等.未来不同气候变化情景下我国玉米产量的初步预测.地球科学进展, 2008, 23(10):1092-1101. doi:  10.3321/j.issn:1001-8166.2008.10.012
    [5] 张宇, 王石立, 王馥棠.气候变化对我国小麦发育及产量可能影响的模拟研究.应用气象学报, 2000, 11(3):264-270. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20000341&flag=1
    [6] 帅细强, 王石立, 马玉平, 等.基于水稻生长模型的气象影响评价和产量动态预测.应用气象学报, 2008, 19(1):71-81. doi:  10.11898/1001-7313.20080112
    [7] Shrikant S J, James W J.Scaling-up Crop Models for Regional Yield and Production Estimation:A Case-study of Soybean Production in the State of Georgia, USA//Crop Monitoring and Prediction at Regional Scales. Proceedings of the NIAES-STA International Workshop 2001, 2001:171-186.
    [8] 王石立, 马玉平.作物生长模拟模型在我国农业气象业务中的应用研究进展及思考.气象, 2008, 34(6):3-10. doi:  10.7519/j.issn.1000-0526.2008.06.001
    [9] 刘布春, 王石立, 庄立伟.基于东北玉米区域动力模型的低温冷害预报应用研究.应用气象学报, 2003, 14(5):616-625. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20030576&flag=1
    [10] Yin X Y, Chasalow S D, Dourleijn C J, et al.Coupling estimated effects of QTLs for physiological traits to a crop growth model:Predicting yield variation among recombinant inbred lines in barley.Heredity, 2000, 85:539-549. doi:  10.1046/j.1365-2540.2000.00790.x
    [11] Launay M, Guerif M.Assimilating remote sensing data into a crop model to improve predictive performance for spatial applications.Agriculture, Ecosystems and Environment, 2005, 111:321-329. doi:  10.1016/j.agee.2005.06.005
    [12] Charney J, Halem M, Jastrow R.Use of incomplete historical data to infer the p resent state of the atmosphere.J Atomos Sci, 1969, 26:1160-1163. doi:  10.1175/1520-0469(1969)026<1160:UOIHDT>2.0.CO;2
    [13] Wang Bin, Zou Xiaolei, Zhu Jiang.Data assimilation and its applications.PNAS, 2000, 97(21):11143-11144. doi:  10.1073/pnas.97.21.11143
    [14] 杨艳蓉, 李柏, 张沛源.多普勒雷达资料四维变分同化.应用气象学报, 2004, 15(1):95-110. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20040113&flag=1
    [15] Maas S J.Use of remotely-sensed information in agricultural crop growth models.Ecological Modeling, 1988, 41(3):247-268. https://www.researchgate.net/publication/223150294_Use_of_remotely-sensed_information_in_agricultural_crop_growth_models
    [16] Bouman B A M.The Linking of Crop Growth Models and Multisensor Remote Sensing Data//Proceedings of the 5th International Colloquium on Physical Measurements and Signature in Remote Sensing, 1991:583-588.
    [17] Supit I.Predicting national wheat yields using a crop simulation and trend models.Agricultural and Forestry Meteorology, 1997, 88:199-214. doi:  10.1016/S0168-1923(97)00037-3
    [18] 闫岩, 柳钦火, 刘强, 等.基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究.遥感学报, 2006, 10(5):804-811. http://cdmd.cnki.com.cn/Article/CDMD-80070-2006157781.htm
    [19] 张黎, 王石立, 何延波, 等.遥感信息应用于水分胁迫条件下的华北冬小麦生长模拟研究.作物学报, 2007, 33(3):401-410. http://www.cnki.com.cn/Article/CJFDTOTAL-XBZW200703008.htm
    [20] 刘翔舸, 刘春红, 王鹏新, 等.基于卡尔曼滤波的小麦叶面积指数同化方法.农业工程报, 2006, 26(增刊Ⅰ):176-181. http://www.cnki.com.cn/Article/CJFDTOTAL-NYGU2010S1034.htm
    [21] 马玉平, 王石立, 张黎, 等.基于遥感信息的华北冬小麦区域生长模型及模拟研究.气象学报, 2005, 63(2):204-215. doi:  10.11676/qxxb2005.020
    [22] 陈劲松, 黄健熙, 林珲, 等.基于遥感信息和作物生长模型同化的水稻估产方法研究.中国科学:信息科学, 2010, 40(增刊Ⅰ):173-183. http://www.cnki.com.cn/Article/CJFDTOTAL-PZKX2010S1016.htm
    [23] Raymond E E J.Sensitivity of a crop growth simulation model to variation in LAI and canopy nitrogen used for run-time calibration.Ecological Modelling, 2007, 200:89-98. doi:  10.1016/j.ecolmodel.2006.07.015
    [24] 张黎.陆地生态系统碳循环的模型数据融合研究.北京:中国科学院研究生院, 2008.
    [25] van Ittersum M K, Leffelaar P A, van Keulen H, et al.On approaches and applications of the Wageningen crop models.European Journal of Agronomy, 2003, 18(3-4):201-234. doi:  10.1016/S1161-0301(02)00106-5
    [26] Guerif M, Duke C.Calibration of the SUCROS emergence and early growth module for sugarbeet using optical remote sensing data assimilation.European Journal of Agronomy, 1998, 9:127-136. doi:  10.1016/S1161-0301(98)00031-8
    [27] Bouman B A M, van Keulen H, van Laar H H, et al.The school of de Wit crop growth simulation models:A pedigree and historical overview.Agricultural Systems, 1996, 52(2-3):171-198. doi:  10.1016/0308-521X(96)00011-X
    [28] 高永刚, 南瑞, 顾红, 等.黑龙江省甜菜气候生产力模拟和种植气候区划.生态学杂志, 2009, 28(1):27-31. http://www.cnki.com.cn/Article/CJFDTOTAL-STXZ200901005.htm
    [29] de Wit A J W, van Diepen C A.Crop model data assimilation with the Ensemble Kalman filter for improving regional crop yield forecasts.Agricultural and Forest Meteorology, 2007, 146:38-56. doi:  10.1016/j.agrformet.2007.05.004
    [30] Ceglar A, Zalika ČrepinŠek, Lučka Kajfež-Bogataj, et al.The simulation of phenological development in dynamic crop model:The Bayesian comparison of different methods.Agricultural and Forest Meteorology, 2011, 151(1):101-115. doi:  10.1016/j.agrformet.2010.09.007
    [31] 高永刚, 顾红, 姬菊枝, 等.近43年来黑龙江气候变化对农作物产量影响的模拟研究.应用气象学报, 2007, 18(4):532-538. doi:  10.11898/1001-7313.20070414
    [32] Price W L.A controlled random search procedure for global optimization.The Computer Journal, 1979, 20:367-370.
    [33] 赵艳霞, 秦军, 周秀骥.遥感信息与棉花模型结合反演模型初始值和参数的方法研究.棉花学报, 2005, 17(5):280-284. http://www.cnki.com.cn/Article/CJFDTOTAL-MHXB200505007.htm
    [34] 黄彦, 朱艳, 王航, 等.基于遥感与模型耦合的冬小麦生长预测.生态学报, 2011, 31(4):1073-1084. http://www.cnki.com.cn/Article/CJFDTOTAL-STXB201104020.htm
    [35] Luo Yiqi, Weng Ensheng, Wu Xiaowen, et al.Parameter identifiability, constraint, and equifinality in data assimilation with ecosystem models.Ecological Applications, 2009, 19:571-574. doi:  10.1890/08-0561.1
    [36] 马玉平, 王石立, 张黎, 等.基于遥感信息的作物模型重新初始化/参数化方法研究初探.植物生态学报, 2005, 29(6):918-926. http://www.cnki.com.cn/Article/CJFDTOTAL-ZWSB200506006.htm
    [37] 刘刚, 谢云, 高晓飞, 等.ALMANAC作物模型参数的敏感性分析.中国农业气象, 2008, 29(3):259-263. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGNY200803002.htm
    [38] Clevers J G P W, van Leeuwen H J C.Combined use of optical and microwave remote sensing data for crop growth monitoring.Remote Sensing of Enviroment, 1996, 56:42-51. doi:  10.1016/0034-4257(95)00227-8
    [39] 刘昭, 周艳莲, 居为民, 等.基于集合卡尔曼滤波同化方法的农田土壤水分模拟.应用生态学报, 2011, 22(11):2943-2953. http://www.cnki.com.cn/Article/CJFDTOTAL-YYSB201111024.htm
  • 加载中
图(2) / 表(5)
计量
  • 摘要浏览量:  4133
  • HTML全文浏览量:  1517
  • PDF下载量:  1210
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-08-17
  • 修回日期:  2013-02-26
  • 刊出日期:  2013-06-30

目录

    /

    返回文章
    返回