首站-论文投稿智能助手
典型文献
利用双变量同化与PCA-Copula法的冬小麦单产估测
文献摘要:
为了进一步提高冬小麦产量估测的精度,基于集合卡尔曼滤波算法和粒子滤波(particle filter,PF)算法,对CERES-Wheat模型模拟的冬小麦主要生育期条件植被温度指数(vegetation temperature condition in-dex,VTCI)、叶面积指数(leaf area index,LAI)和中分辨率成像光谱仪(moderate-resolution imaging spectrora-diometer,MODIS)数据反演的VTCI、LAI进行同化,利用主成分分析与Copula函数结合的方法构建单变量和双变量的综合长势监测指标,建立冬小麦单产估测模型,并通过对比分析选择最优模型,对2017-2020年关中平原的冬小麦单产进行估测.结果表明,单点尺度的同化VTCI、同化LAI均能综合反映MODIS观测值和模型模拟值的变化特征,且PF算法具有更好的同化效果;区域尺度下利用PF算法得到的同化VTCI和LAI所构建的双变量估产模型精度最高,与未同化VTCI和LAI构建的估产模型精度相比,研究区各县(区)的冬小麦估测单产与实际单产的均方根误差降低了 56.25 kg/hm2,平均相对误差降低了 1.51%,表明该模型能有效提高产量估测的精度,应用该模型进行大范围的冬小麦产量估测具有较好的适用性.
文献关键词:
同化;PCA-Copula;主成分分析;叶面积指数;条件植被温度指数;作物生长模型;冬小麦估产
作者姓名:
王鹏新;陈弛;张悦;张树誉;刘峻明
作者机构:
中国农业大学信息与电气工程学院,北京,100083;陕西省气象局,陕西 西安,710014;中国农业大学土地科学与技术学院,北京,100193
引用格式:
[1]王鹏新;陈弛;张悦;张树誉;刘峻明-.利用双变量同化与PCA-Copula法的冬小麦单产估测)[J].武汉大学学报(信息科学版),2022(08):1201-1212
A类:
条件植被温度指数,VTCI,spectrora,diometer
B类:
双变量,Copula,单产,冬小麦产量,产量估测,集合卡尔曼滤波算法,粒子滤波,particle,filter,PF,CERES,Wheat,模型模拟,生育期,vegetation,temperature,condition,叶面积指数,leaf,area,LAI,中分辨率成像光谱仪,moderate,resolution,imaging,MODIS,数据反演,行同,长势监测,监测指标,立冬,估测模型,最优模型,年关,关中平原,单点,观测值,区域尺度,下利,估产模型,模型精度,未同,各县,hm2,平均相对误差,提高产量,作物生长模型,冬小麦估产
AB值:
0.296019
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。