研究目的
通过联合同化SAR和光学卫星影像至作物模型,提高冬小麦产量估算的精度。
研究成果
该研究表明,尽管存在局限性,但将SAR和光学遥感数据同化到作物模型中用于作物监测和产量估算具有潜力和实用性。它为其他农业景观中采用数据同化进行作物产量估算提供了参考。
研究不足
由于缺乏无云光学遥感数据和根区土壤水分信息,将合成孔径雷达(SAR)与光学遥感数据进行同化以提高田间产量估算的潜力相对较低。
1:实验设计与方法选择:
本研究采用联合同化框架,将SAR和光学卫星影像同化至WOFOST模型。通过水云模型从SAR和光学数据中反演土壤含水量。
2:样本选择与数据来源:
研究区域为中国衡水市以冬小麦为主的种植区,数据包括Sentinel-1 SAR数据、Sentinel-2光学数据、实测土壤含水量数据、LAI数据及冬小麦产量数据。
3:实验设备与材料清单:
用于遥感数据的Sentinel-1和Sentinel-2卫星,用于LAI测量的LAI-2000植物冠层分析仪,用于土壤含水量测量的FieldScout TDR 300土壤水分仪。
4:实验流程与操作步骤:
利用水云模型反演土壤含水量,再通过集合卡尔曼滤波(EnKF)算法同化至WOFOST模型。
5:数据分析方法:
通过分析实测产量与模拟产量的相关性,评估产量估算精度的提升效果。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容-
LAI-2000 Plant Canopy Analyzer
LAI-2000
LI-COR
Measuring winter wheat LAI
-
Sentinel-1
C-band SAR sensor
ESA
Acquiring SAR images for soil moisture estimation
-
Sentinel-2
Multispectral Instrument (MSI)
ESA
Acquiring optical images for NDVI calculation
-
FieldScout TDR 300 Soil Moisture Meter
TDR 300
Spectrum Technologies
Measuring soil moisture
-
登录查看剩余2件设备及参数对照表
查看全部