研究目的
通过不同数据同化策略,将无人机获取的叶面积指数(LAI)和地面实测土壤含水量(SWC)数据同化至SWAP-WOFOST-甘蔗作物模型,以提高甘蔗产量估算精度。
研究成果
与确定性模型、强迫法和校准法相比,集合卡尔曼滤波(EnKF)方法显著提高了甘蔗产量估算精度。研究发现无人机获取的叶面积指数(LAI)数据对成功实施数据同化具有重要价值。该研究为土壤-水-大气-植物系统中联合运用无人机与地面数据提供了方法学参考。
研究不足
该研究承认强迫法和校准法未考虑模型与观测不确定性的局限性,并指出未来研究可探索利用无人机搭载雷达获取土壤含水量信息,以及冠层温度、高光谱数据等其他数据来提高数据同化精度。
1:实验设计与方法选择:
研究在五个灌溉水平下设置了39个小区进行田间试验,采集了丰富的无人机测量数据(RGB和多光谱影像)及地面观测数据(土壤含水量、叶面积指数和气象数据)。比较了三种数据同化方法:强迫法、校准法和集合卡尔曼滤波法。
2:样本选择与数据来源:
研究区域位于中国广西崇左市,39个小区设置五个灌溉水平。无人机数据包括RGB和多光谱影像,地面数据包括土壤含水量、叶面积指数和气象数据。
3:实验设备与材料清单:
无人机(S1000+,大疆,中国)、RGB相机(QX-1000,索尼,日本)、多光谱相机(ADC liter,Tetracam,美国)、Li-COR 2200C用于叶面积指数测量、TDR(TRIME-PICO-IPH)用于土壤含水量测量。
4:实验流程与操作步骤:
将无人机反演的叶面积指数和地面土壤含水量数据通过三种方法同化至SWAP-WOFOST-甘蔗模型,基于甘蔗产量估算精度评估各方法性能。
5:数据分析方法:
采用RMSE和R2等统计技术比较不同数据同化方法的性能。
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-
2200C
2200C
Li-COR
Ground LAI measurement
-
S1000+
S1000+
DJI
UAV for acquiring RGB and multispectral images
-
QX-1000
QX-1000
SONY
RGB camera for UAV measurements
-
ADC liter
ADC liter
Tetracam
Multispectral camera for UAV measurements
-
TRIME-PICO-IPH
TRIME-PICO-IPH
TDR
Volumetric soil water content measurement
-
登录查看剩余3件设备及参数对照表
查看全部