遥感在农业中的作用与发展 1农作物估产 遥感(RemoteSensing)即遥远的感知,指在一定距离上,应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术[1]。摄影照相便是一种最常见的遥感,照相机并不接触被摄目标,而是相隔一定的距离,通过镜头把被摄目标的影像记录在底片上,经过化学处理,相片便重现被摄目标的图像。从拍摄目标到再现目标所用的手段,便是一种遥感技术。遥感与其他技术结合,在农业应用中具有科学、快速、及时的特点。这对于充分利用农业资源、指导农业生产、农产品供需平衡等方面有着重要的意义。 2遥感估产的原理及农作物估产方法 2.1遥感估产的基本原理[2] 任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。人眼正是利用这一特性,在可见光范围内识别各种物体的。遥感技术也是基于同样的原理,利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态。农作物估产则是指根据生物学原理,在收集分析各种农作物不同生育期不同光谱特征的基础上,通过平台上的传感器记录的地
表信息,辨别作物类型,监测作物长势,并在作物收获前,预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。 2.2农作物估产的方法 农作物估产在方法上可分为传统的作物估产和遥感估产两类。传统的作物估产基本上是农学模式和气象模式,采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、速度慢、工作量大、成本高,某些因子种类往往难以定量化,不易推广应用。遥感估产则是建立作物光谱与产量之间联系的一种技术,它是通过光谱来获取作物的生长信息。在实际工作中,常常用绿度或植被指数(由多光谱数据,经线性或非线性组合构成的对植被有一定指示意义的各种数值)作为评价作物生长状况的标准。植被指数中包括了作物长势和面积两方面的信息,各种估产模式,尤其是光谱模式中植被指数是一个极为重要的参数。根据传感器从地物中获得的光谱特征进行估产具有宏观、快速、准确、动态的优点[3,4]。 农作物估产中所应用的遥感资料大致可分为3类:一是气象卫星资料,主要为美国第三代业务极轨气象卫星(NOAA系列)装载的甚高分辨率辐射仪(A VHRR)资料,其资料特点是周期短、覆盖面积大、资料易获取、实时性强、价格低廉,空间分辨率低但时间分辨率较高;二是陆地卫星(Landsat)资料,应用较多功能是专题制图仪(TM)资料,它重复周期长、价格高,但其空间分辨率高[5];三是航空遥感和地面遥感资料,主要用于光谱特征及估产农学机理的研究中,其中高光谱数据可提供连续光谱,可消除一些外部条件的影响而成为遥感数据处理、地面测量、光谱模型和应用的强有力的工具[6]。在遥感估产中农作物面积提取是最重要的内容。
DSSAT模型在农业应用领域研究综述 摘要：为了掌握农业转移支持决策系统(Decision Support System for Agrotechnology Transfer, DSSAT)模型在国内农业应用领域的研究进展，更好地让模型在今后气候变化对农业生产影响评估和适应研究中应用，本文以近年来国内的研究和实践为基础，全面总结了模型的应用进展。结果表明：DSSAT模型在中国应用比较广泛，包括不同地区和不同作物之间；利用DSSAT模型研究气候变化对农业生产的影响的研究较多，研究结果比较丰富。但模型在应用中存在研究方法和结果比较分散、应用的作物种类有限、数据需求量大而试验数据有限等问题，这些都需要在今后的研究中不断完善解决。 关键词：DSSAT;气候变化;农业；应用进展 引言 本文综述了近年来农业技术转让决策支持系统(Decision Support System for Agrotechnology Transfer, DSSAT)模型在我国农业与气候变化领域的应用，为模型的进一步应用，即在气候变化对农业影响与适应方面，以及产量及生产潜力预测、种植制度选择等方面提供研究依据，也对未来模型的进一步应用研究有着积极的支撑作用。 自20世纪90年代，中国开始引进DSSAT模型，在不同田间管理和气象条件下进行土壤水分变化、产量潜力进的大量研究，对DSSAT模型在中国不同地区的适用性进行了验证，并提出了不同模拟试验和数据库构建方法，以及参数的修订和优化方案，为模型的应用提供了参考，取得了丰硕成果。随着气候变化研究的不断深入，DSSAT模型在农业与气候变化领域的应应逐渐广泛和深入，有效支撑了气候变化对农业生产的影响与适应研究，推动了模型应用研究的创新与进步。 1 DSSAT模型概况 农业技术转让决策支持系统(DSSAT)山美国乔治亚大学组织丌发，其可以通过一系列程序将作物模拟模型与土壤、气候及试验数据库相结合，进行长期、短期的气候应变决策[1]。其在中国的气候变化对农业生产的影响评估和适应性研究的应用已经丌展很多工作，是目前气候变化影响评估领域应用比较广泛的作物模型之一。DSSAT包括主程序（实验设计和数据管理）和八大功能模块：实验模块(XBuild);画图工具模块(GBuild)；土壤数据模块(SBuild)；实验数据文件模块(Experiment Data)；气象数据文件模块(Weather Data)；单季实验分析模块(Seasonal analysis)；轮作实验分析模块(Sequence analysis)；空间实验分析模块(Spatial analysis)[2]。 自模型引进国内以来，许多研究者介绍了模型的基本情况和应用动态。1996年，罗群英等[3]以DSSAT 3.0的研究和实践为基础，从DSSA T 3.0外壳和作物模型两方面来阐述其新特点以及应用前景，这是国内较早的关于DSSAT模型的介绍。随着模型应用和研究的深入，近年来，刘海龙等[4]针对农业技术推广决策支持系统DSSAT作物系统模型的发展历程、模型结构、数据输入输出、研究进展等进行了综述。王文佳[5]利用CropWat计算得出的冬
作物模拟模型的概念、类型、基本原理及其研究和应用进展 作物生产系统是一个复杂的多因子系统，受气候、土壤、作物及栽培管理技术等因素的影响。在综合考虑这些因子的相互作用，预测和分析作物生长趋势等方面，作物信息技术有着其它工具不可替代的优势。而作物模拟模型则是作物信息技术中的一个重要组成部分。它在快速决策农艺措施的效应等方面起着重要作用。作物生长模拟系统是用系统的观点，把作物生产看成一个由作物、环境、技术、经济4个要素构成的整体系统，综合多种相关学科的理论和成就，通过建立数学模型来描述作物生长发育、器官建成和产量品质形成等与环境之间的数学关系，并在计算机上实现模拟作物生产全过程的一个软件系统。作物生产管理决策系统是以作物模拟模型为中心，与知识工程和专家系统、决策支持系统等一起构成的用于作物生产管理和生产决策的大型软件系统，是作物模拟模型发展的最终目的，是其向综合性和应用性发展的表现。 一、模型的定义、类型及特征 1、定义 系统是一组相关成分的集合体。系统模型是对系统成分及其相互关系的一种简化的数学表达。作物模拟模型着重对作物生长发育过程及其与环境的关系进行定量描述和预测。作物生长模型，其全称为作物生长模拟模型（CropGrowthSimulationModel），简称为作物模型（CropModel），是指能定量地和动态地描述作物生长、发育和产量形成的过程及其对环境反应的计算机模拟程序。它是对气候、土壤、作物和管理复杂系统的简化表达形式。作物生长模型对作物生长和发育的基本生理生态机制和过程的模拟，又被称为机理模型（functionalmodel）或过程模型（processmodel）。可在全球范围内用来帮助理解、预测和调控作物的生长发育及其对环境的反应。 2、类型 作物模型按其不同的功能可分为经验模型与机理模型，描述模型与解释模型等。其中前一类模型经验性的成分多一些，后一类模型则机理性的成分多一些。 按照模型所描述的作物种类，作物生长模型可分为单作物专用模型和多作物通用模型。单作物专用模型（modelforsinglecropspecie）是根据某一具体作物的生理生态特性开发研制而成并专门用于该作物生长模拟的模型。多作物通用模型（modelformultiplecropspecies）是根据各种作物生理生态过程的共性研制而成模型的主体框架，再结合各种作物的生长参数和田间管理参数分别进行各种作物的生长模拟。 3、特征 成功的作物模拟模型应该具有系统性、动态性、机理性、预测性、通用性、便用性、灵活性、研究性等特征。 二、原理 作物模拟模型建立原理如下：假设作物生产系统状态在任何时刻都能够定量表达，该状态中各种物理、化学和生理机制的变化可以用各种数学方程加以描述；且作物在较短时间间隔内物理、化学和生理过程不发生较大的变化。这样则可以对一系列的过程(如光合、呼吸、蒸腾、生长等)进行估算，并逐时累加为日过程，再逐日累加为生长季，最后计算出整个生长期的干物质产量或可收获的作物产
遥感在农业估产中的应用与发展 1 引言 遥感( Remote Sensing) 即遥远的感知, 指在一定距离上, 应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来, 通过分析揭示出物体的特征性质及其变化的综合性探测技术[1]。摄影照相便是一种最常见的遥感,照相机并不接触被摄目标,而是相隔一定的距离,通过镜头把被摄目标的影像记录在底片上,经过化学处理,相片便重现被摄目标的图像。从拍摄目标到再现目标所用的手段,便是一种遥感技术。遥感与其他技术结合, 在农业应用中具有科学、快速、及时的特点。这对于充分利用农业资源、指导农业生产、农产品供需平衡等方面有着重要的意义。 2 遥感估产的原理及农作物估产方法 2.1 遥感估产的基本原理[2] 任何物体都具有吸收和反射不同波长电磁波的特性, 这是物体的基本特性。人眼正是利用这一特性, 在可见光范围内识别各种物体的。遥感技术也是基于同样的原理, 利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波, 根据地面上物体的波谱反射和辐射特性, 识别地物的类型和状态。农作物估产则是指根据生物学原理, 在收集分析各种农作物不同生育期不同光谱特征的基础上, 通过平台上的传感器记录的地表信息, 辨别作物类型, 监测作物长势, 并在作物收获前, 预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。 2.2 农作物估产的方法 农作物估产在方法上可分为传统的作物估产和遥感估产两类。传统的作物估产基本上是农学模式和气象模式, 采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、速度慢、工作量大、成本高, 某些因子种类往往难以定量化, 不易推广应用。遥感估产则是建立作物光谱与产量之间联系的一种技术,它是通过光谱来获取作物的生长信息。在实际工作中,常常用绿度或植被指数( 由多光谱数据, 经线性或非线性组合构成的对植被有一定指示意义的各种数值) 作为评价作物生长状况的标准。植被指数中包括了作物长势和面积两方面的信息, 各种估产模式, 尤其是光谱模式中植被指数是一个极为重要的参数。根据传感器从地物中获得的光谱特征进行估产具有宏观、快速、准确、动态的优点[3, 4]。农作物估产中所应用的遥感资料大致可分为3类: 一是气象卫星资料, 主要为美国第三代业务射仪( AVHRR) 资料, 其资料特点是周期短、覆盖面积大、资料易获取、实时性强、价格低廉,空间分辨率低但时间分辨率较高; 二是陆地卫星(Landsat) 资料, 应用较多功能是专题制图仪(TM)资料, 它重复周期长、价格高, 但其空间分辨率高[5]; 三是航空遥感和地面遥感资料, 主要用于光谱特征及估产农学机理的研究中, 其中高光谱数据可提供连续光谱, 可消除一些外部条件的影响而成为遥感数据处理、地面测量、光谱模型和应用的强有力的工具[6]。摘要本文从遥感估产为出发点, 绍了遥感的概念、原理、方法特点及国内外遥感估产方面的研究进展。 关键词遥感; 农作物估产; 遥感资料; 遥感方法 17 2007年第3 期 在遥感估产中农作物面积提取是最重要的内 容。用遥感方法测算一种农作物的种植面积主要 有以下几种方法[5]。 1) 航天遥感方法。包括卫星影像磁带数字图象
专业文献综述 题目: 遥感信息与作物生长模型的耦合应用研究进展姓名: 学院: 专业: 班级: 学号: 指导教师: 职称: 教授 2012年5月28日 南京农业大学教务处制
遥感信息与作物生长模型的耦合应用研究进展 作者： 指导教师： 摘要：遥感信息与作物生长模型的耦合应用可以解决作物长势监测和产量预测等一系列农业问题，越来越受到相关研究人员的关注。本文首先介绍了农业遥感技术和作物模型的发展状况，并在分析遥感数据和作物模型在农业应用中各自优缺点的基础上，阐明二者结合的必要性，综述了遥感信息与作物生长模型的耦合应用的2种方式—强迫法和同化法；其次介绍了遥感数据与作物模型结合的应用领域和目前国内外的应用状况，并分析了其在农业生产各领域的应用潜力；最后提出了二者耦合存在的问题以及未来研究的展望。 关键词：遥感；作物生长模型；耦合应用；研究进展 Research progress on application of remote sensing information coupled with the crop model Author: Instructor: Abstract: Remote sensing information and crop growth model can solve the coupling application of crop growth monitoring and yield forecasting and a series of problems of agriculture, more and more researchers' attention.This paper first introduces the agricultural remote sensing technology and crop model development, and in the analysis of remote sensing data and crop model in agricultural application advantages and disadvantages on the basis of the combination of the two, clarify the necessity, reviews the remote sensing data and crop growth model of coupled application in 2 ways - forced and assimilation method; secondly the paper introduced the remote sensing data and crop model combined with the application domain and application status at home and abroad, and analyses its application in agricultural production potential; finally proposed the two coupling problems and future research prospects. Key words:Remote sensing; Crop models; Coupled applications; Research Progress 1 遥感技术与作物模型的发展 遥感技术是20世纪60年代以来,在现代物理学(包括光学技术、红外技术、微波雷达技术、激光技术和全息技术等)、空间科学、电子计算机技术、数学方法和地球科学理论的基础上发展起来的一门新兴的、综合性的边缘学科,是一门先进的、实用的探测技术[1]。卫星遥感技术具有快速、宏观、准确、客观、及时、动态等特点，在农作物种植面积监测，作物叶面积指数、生物量、光合有效辐射
2010年1月农业机械学报第41卷第1期DO I:10.3969/.j issn.1000-1298.2010.01.030 温室植物生长数字化模型构建技术* 唐卫东1朱平1郭晨1刘昌鑫1李萍萍2卢章平3 (1.井冈山大学信息科学与传媒学院,吉安343009;2.江苏大学现代农业装备与技术省部共建教育部/ 江苏省重点实验室,镇江212013;3.江苏大学图形技术研究所,镇江212013) =摘要> 根据试验观测值提取植物生长特征信息,以累积生长度日为参数构造植物的形态发生模型,采用信息映射与归一化方法对信息进行重构,建立植物生长数字化模型。通过实例验证表明,该方法实现了植物生长受外部环境作用下的动态模拟,为实时掌握与合理决策植物适宜的生长条件提供依据。 关键词:温室植物生长数字化模型 中图分类号:S126;TP391文献标识码:A文章编号:1000-1298(2010)01-0159-04 D igital Construction of P l ant Gro w th M odel i n Greenhouse Tang W eidong1Zhu P i n g1Guo Chen1L i u Changx i n1Li Pingpi n g2Lu Zhangpi n g3 (1.Schoo l of Informati on and M ulti-med i a S cience,J inggangshan University,J i.an343009,Ch i na 2.K ey Laboratory of M odern Agr icultural Equi pm ent and T echnology,M i nistry of Education&J iangsu Province,J iangsu University, Zhenj i ang212013,Chi na3.Institute of Graphics T echnology,J i angsu U ni ver sity,Zhenjiang212013,Ch i na) Abst ract The features o f plant gro w t h cou l d be extracted fro m the experi m ental results,and the m orpho log ica l m odel of p lant cou l d be constructed w ith the para m eter of accumu lative gro w ing degree day.Add itionally, the dig ita l gro w th m ode l o f plant cou l d be perfor m ed using i n for m ation reconstr uction m ethod such as i n f o r m ation nor m a lizati o n and m app i n g process.The experi m ent results show ed that the pr oposed m ethod w as effecti v e in dyna m ically si m ulati n g the plant gro w th under the interacti o n of env iron m en.t It cou l d prov i d e valuab le ev i d ences for rea l ti m e obta i n i n g and deter m ining the proper cond iti o ns for plan t deve l o p m en.t K ey w ords G reenhouse,Plant gro w t h,D i g italization,M ode l 收稿日期:2009-03-20修回日期:2009-05-31 *高等学校博士学科点专项科研基金资助项目(20060299003)、江西省教育厅青年科学基金资助项目(G JJ09591)和江西省教育厅科技计划资助项目(GJJ08417) 作者简介:唐卫东,副教授,博士,主要从事信息可视化、虚拟植物技术、温室环境控制研究,E-m ai:l t wd -1974@126.co m 引言 温室环境调控水平对发挥设施农业优质高效的生产功能具有重要影响。荷兰、日本、美国等发达国家在该领域的研究起步较早,其中一些学者将作物生长模型应用于温室环境控制,对温室作物生长所需环境进行预测[1~5]。然而,在利用作物生长模型对温室作物实施环境调控时,常因模型参数选择不当而使调控效果不佳,信息滞后也影响模型功能和效率,因此在实施作物生产与微观管理方面受限;而采用计算机手段和信息技术,在现代温室可控环境下构建反映植物生长机理的虚拟植物模型[6],则不仅可以实现植物生长信息的数字化,还为温室环境智能控制提供决策依据。目前有关虚拟植物的研究多以农田作物为主,而对温室虚拟植物的研究则不多见,尤其是植物生长数字化及其在温室环境调控中的研究尚未见报道。为此,本文在分析植物受外部环境作用规律的基础上,对温室植物生长数字化方法进行研究,通过温室植物生长的动态模拟,为有效实施现代温室生产与管理提供决策和技术支持。 1植物与外部环境的信息交互 植物在生长过程中离不开光照、温度、湿度、水肥等环境因子的作用,而植物生长同时也对外部环
【关键字】报告 遥感应用模型实习研究报告 篇一：遥感模型实习报告 遥感应用模型实习报告 中国地质大学 第一部分：大冶研究区土地使用情况分析 【实习目的】 完成研究区土地使用情况分析，通过遥感分类、空间分析将研究区内4种（批而未用、用而未尽、越界开发、用而未批）违规用地提取出来，并统计相关面积、位置数据。 【实验数据】 研究区影像数据：XXspot_area1.msi；XXspot_area1.msi 辅助数据：大冶批次用地建设用地红线.wp 【实验要求】 要求：1）制定提取方案 2）数据处理 3）要求成果以影像制图输出、数据报表的形式输出； 【参照方案】 方案一：使用第一部分中的遥感变化监测方法进行提取分析；方案二：利用 遥感分类提取建设用地图层，再利用空间分析进行4种违法违规用地的提取分析。 本实验采用方案二。 【实验步骤】 1.最大似然法监督分类： XX年影像监督分类XX年影像监督分类 2.提取出的建设用地层和红线区如下图。 3.变化检测 Change=XX-XX 4.空间查询 变化图层Chang与建设用地红线进行查询。 5．提取结果 批而未用部分未批先用部分 用而未尽部分越界开发部分 6.土地利用情况总体一览图： 7.误差分析 因MAPGIS K9无法进行叠加分析，只好根据各种用地情况来手动分类，效果并不好。 第二部分：遥感反演与建模 【实习目的】 遥感技术的特征使得其可以实现大面积的同步监测，较传统实地点对点监测有不可比拟
的优势。本实习通过太湖区域遥感技术叶绿素监测处理应用过程来学习简单的遥感反演与建模方法。 【实验数据】 研究区影像数据：HJ1B-CCD1-451-76-XX1006-LXX0180174； 太湖区域TM数据（L2级）；HJ1B-CCD1波谱响应函数；太湖矢量数据；实测叶绿素样点浓度数据； 【实验要求】 要求：辐射定标、几何校正、大气校正、反演模型的建立、遥感反演过程、反演结果验证等内容。 注意：软件要求ENVI4.7以上版本。 【参照方案】 目前利用遥感技术可反演的水质参数包括：叶绿素a（Chl-a）、悬浮物（TSM）、有色可溶性有机物（CDOM）透明度（SD）、溶解氧 篇二：XX 遥感应用模型实习指导书-实习二-stu XX年遥感应用模型课程实习 实习二：高光谱数据处理 高光谱数据基础处理 【实习目的】 利用RSP完成高光谱遥感数据常规处理，理解熟悉遥感高光谱数据处理方法。 【实验数据】 研究区影像数据：见文件夹 【实验要求】 要求：完成高光谱遥感数据常规处理。 【参照方案】 一：高光谱数据的导入 1．高光谱数据读入：主菜单—>高光谱分析—>数据导入—>导入Hydice，弹出如下图所示 对话框： 导入原始文件和波段信息文件，设置好结果文件路径，点击确定按钮，弹出“原格式数据转换”对话框，如下图所示： 设置各参数，特别注意的是，根据导入高光谱数据类型，设置相应的象元信息、图像行列数和波度数，若不对应，原格式数据转换就会失败。 2. 高光谱数据输入：在RSP中打开高光谱数据，查看其影像信息，并根据成图目的，选择不同的波段组合。（R:73/24,G:39/79,B:20/8） 3. 查看影像立方体：高光谱分析—>影像立方体，弹出“高光谱立方体”对话框，如下图所示： 输入影像后，根据需要设置其颜色组合及颜色查找表。二：光谱库处理 1. 光谱库基本操作：主菜单—>高光谱分析—>光谱库，打开光谱库子系统，如下图所
作物生长模拟模型及其应用 3 杨京平3 3 王兆骞 (浙江大学农业生态研究所,杭州310029) 【摘要】 论述了作物生长模型在国内外的研究及其发展过程,作物模型的机理及在农业生产中的作用,对作物 生长模型在生产应用中存在的问题及今后的发展方向进行了讨论.关键词 作物生长模型 模拟 应用 C rop grow th simulation model and its application.Y ang Jingping and Wang Zhaoqian (Institute of A gricultural E 2cology ,Zhejiang U niversity ,Hangz hou 310029).2Chin.J.A ppl.Ecol.,1999,10(4):501～505. This paper reviewed the present situation of related study development of Crop Growth Simulation Model (CGSM ),and its mechanism and role in agricultural production.The existing problems of the model in application and its devel 2opmental direction in future were also discussed. K ey w ords Crop growth model ,Simulation ,Application. 3荷兰及国际水稻研究所合作资助项目(SARP 2Ⅲ ). 33通讯联系人. 1997-05-20收稿,1997-10-27接受. 1 引 言 作物生长模拟技术是60年代初在欧洲及美国出现的,其思想方法是从工业生产分析所用的系统工程方法借鉴而来.1965年荷兰的作物生长系统分析及模拟先驱de Wit 扩展了前人的有关作物对光截获和转化、叶层光合作用的知识,并构建了作物冠层的光合作用模型[19].他的开创性工作及后来的类似研究,加上计算机科学技术的飞速发展,导致在作物光合作用、生长过程模型研究的广泛开展[3,20,23].现今,在工业发达的国家,仿真模拟已经成为广泛使用的技术工具,但在发展中国家仍然处在起步阶段.近十几年来,美国及国际上的主要农业研究刊物都发表了许多有关作物生长模型的研究与应用的论文.在全球主要有两大研究机构在进行作物生产模拟研究、应用与推广工作,即荷兰的瓦赫宁根农业大学的理论生态系(TPE 2WAU )、土壤肥力与农业生物研究所(AB 2DLO )及美国的德州大学实验站和国际农业技术推广网络(IBSNA T ),澳大利亚及欧洲现在也在研究开发作物生长及农业生态模型. 2 作物生长模拟模型 模型是对所研究的系统简化与概要的描述[12],因此作物生长模拟模型是利用计算机技术借助数学模型对作物2土壤2大气系统中作物的生长发育及产量形成与外界环境的系统组成与变化进行动态仿真的过程.这种模拟是对作物生理生态过程的动态与概要描述. 由于计算机科学的发展,目前国内外一些研究人 员在作物生长模拟模型上进行的研究工作已经推出了 几种主要的模拟模型(表1)[6,12,16,30,34].从作物生长模型的结构来看,它包括了作物生长发育的一些主要过程:光合作用过程、养分摄取(地下根系的生长动态)、同化产物分配、蒸腾作用过程、生长和呼吸作用、叶片的生长与扩展和形态发育与衰老过程[11].大多数模型都结合了上述所列的主要过程,并以多种方式来处理这些过程.由于作物生长系统的复杂性,因此要建立的模型必须考虑各种外界的环境因素与变化过程对作物本身的影响,这必然使模型变得庞大而失去实际意义.为此1982年de Wit 和Penning de Vries 提出了将作物生长模拟划分为4个水平[12],1)生产水平1:潜在生产.作物生长在水分与养分充分保证的条件下,其生长速率与产量潜力仅受温度与光照条件影响.2)生产水平2:水分限制下的生产.作物生长过程中部分时期受到水分短缺的影响,但养分充足.3)生产水平3:N 素限制下的生产.作物生长过程中部分时期受到N 素短缺的影响,其他时期受到水分与气候因子的影 响.4)生产水平4:养分限制下的生产.作物生长过程 中部分时期受到P 素或其他矿物元素短缺的影响,其余时期受到N 素、水分和气候因子的影响.在上述4种情况下,考虑害虫、杂草的影响将进一步降低作物的产量[12,26,30].但是实际作物生长过程并非如上所述的4种情况.对照表1所列的作物生长模拟模型,目前所研究与开发的作物生长模型主要是在第一及第二生产水平上较多,而在第三水平的作物生长模型则仍在研 应用生态学报 1999年8月 第10卷 第4期 CHIN ESE JOURNAL OF APPL IED ECOLO GY ,Aug.1999,10(4)∶501～505
WOFOST模型 1 模型简介 WOFOST是荷兰瓦赫宁根大学开发的众多模型之一，C.T de Wit教授对此做出了突出贡献。相关的比较成熟的模型还有SUCROS模型、Arid Crop模型、Spring Wheat模型、MACROS和ORYZA1模型等等。WOFOST起源于世界粮食研究中心（CWFS）组织的多学科综合的世界粮食潜在产量的研究项目。在过去的十几年中，WOFOST模型取得了极大成功，它的各个版本及其派生模型应用在许多研究中。WOFOST擅于分析产量的年际变化、产量和土壤条件的关系、不同品种的差异、种植制度对产量的影响、气候变化对产量的影响、区域生产力的限制因素等等。模型已被用于产量预测、土地的定量评价，比如评价区域潜在生产力水平，评价通过灌溉和施肥可获得的最大经济收益，评价作物种植的不利因素。有的人还将作物模型进行扩展，使之能够用于森林和牧草的模拟，还有的对源程序进行修改，用更详细的子程序代替原有的子程序，达到对某个方面进行更详细的模拟的目的。 在世界各国科学家的努力下，WOFOST模型自面世以来获得了极大的发展，模型从WOFOST 3.1发展到WOFOST 7.1，应用范围不断扩大，它的适应性及应用研究在世界范围内进行，反馈的结果反过来又促进了模型的发展。值得一提的是WOFOST 6.0，它是个极为成功的作物生长模型，在1989-1994年间不断完善和发展。它是为预报产量而发展起来的，用于预报欧共体各个国家、地区的作物产量。它还被欧洲作物生长监测系统（CGMS）结合，是其中一个重要的子模块。目前，WOFOST 6.0被应用于各种目的，如教学、验证、试验等等，成了一个广泛的应用平台。WOFOST系列都采用类似的子模块，用光截获和CO2同化作为作物生长的驱动过程，用物候阶段控制作物的生长，仅在描述土壤水分平衡和作物氮的吸收上有些差异。 WOFOST（WOrld FOod Studies）是从SUCROS导出的最早面向应用的模型之一。该模型由世界粮食研究中心开发，旨在探索增加发展中国家农业生产力的可能性。SUCROS（Simple and Universal Crop growth Simula）是de Wit学派的第一个概要模型，它的时间步长为一天。SUCROS在自然条件下具有通用性，其所描述的物理过程和生理过程可用于较广范围的环境条件。通过改变作物参数，SUCROS已用于不同种类的作物，如小麦、马铃薯和大豆等。SUCROS已经成为特定面向目标模型的进一步简化和发展的前导模型。W0FOST的过程描述也是通用的，也可通过改变作物参数考虑不同作物。WOFOST可以根据需要选择模拟潜在生产水平、水分胁迫、氮素胁迫三种生产水平。模拟模型运行步长为1天。
干旱等灾害的监测 干旱及监测 由于从植被指数反演出的地表绿度与植物的生长状态及其密度密切相关，因此，植被指数可用于监测对作物生长不利的环境条件，尤其是对在干旱环境的监测。 植物冠层温度升高是植物受到水分胁迫和干旱发生的最初表征。因此，土地表面温度可用于干旱监测。 距平植被指数A VI ：分析NDVI 的变化与短期的气候变化之间的关系 A VI 作为监测干旱的一种方法，它以某一地点某一时期多年的NDVI 平均值为背景值，用当年该时期的NDVI 值减去背景值，即可计算出A VI 的变化范围，即NDVI 的正、负距平值。正距平反映植被生长较一般年份好，负距平表示植被生长较一般年份差。一般而言，距平植被指数为 -0.1~-0.2表示旱情出现，-0.3~-0.6表示旱情严重。 条件植被指数 VCI VCI 的缺点是未考虑白天的气象条件如净辐射、风速、湿度等对热红外遥感的影响及土地表面温度的季节性变化 条件温度指数TCI 强调了温度与植物生长的关系，即高温对植物生长不利 归一化温度指数 条件植被温度指数 雷达土壤水探测 水的介电常数和干土介电常数有很大的差别，水的介电常数大约为80，而干土介电常数仅为3左右。一般土壤可以看成是水和干土的混合，因而土壤的介电常数会随着土壤含水量的增大而增大。并且，电磁波散射模型已表明雷达回波的后向散射系数直接受土壤介电常数的影响。这就构成了微波遥感探测土壤湿度的物理基础。 雷达土壤水探测的优势：（1）雷达土壤水探测的优势主要体现在微波遥感不受光照、云雾等天气条件的影响，具有全天时、全天候工作的特点。 （2）特别是长波段微波能够穿透植被，并对土壤具有一定的穿透能力。 土壤水反演 通过统计后向散射系数与土壤水分之间的关系，确定土壤水分预测的经验方程。 水平、垂直同极化后向散射系数有很高的相关性，相关系数达到0.904；同时，从两个极化数据的回归线来看，整体上裸土的水平同极化后向散射系数略小于垂直同极化后向散射系数 20cm 深土壤含水量和后向散射系数的散点图，裸土后向散射系数与土壤含水量正相关，后向散射系数对土壤含水量 较敏感。和水平同极化相比，垂直同极化后向散射系数对土壤含水量更为敏感 。由于两种同极化后向散射系数和土壤含水量的相关性都没有达到显著性，因而，其它因素(如土壤粗糙度、土壤质地等)对后向散射系数的影响不可忽略。 选择土壤含水量相近而后向散射系数偏差较大的样点对1和4、3和7，找出点1、3、4、7对应的数字照片。对照实验图片来看，点1、3对应的地表粗糙度较大，点4、7对应的地表粗糙度较小。因而，可以断定：在土壤含水量一致的情况下，粗造度越大， 、 越大。比较地表粗造度对 、 的影响，粗糙度对 影响小，对 影响大。 结合小扰动模型来分析后向散射系数对粗造度的敏感性 。 敏感性分析和对粗糙度的影响都表面，VV 极化更适合土壤水份的反演。 和裸土的水平、垂直同极化后向散射系数之间的相关性相比，小麦地的水平、垂直同极化的相关性明显降低。小麦冠层后向散射系数因极化方式不同有明显的差异 裸土水平、垂直同极化后向散射有很高的线性相关性；与水平同极化相比，垂直同极化后向散射系数和20cm 深土壤含水量有更好的相关性 土壤含水量和地表粗糙度是裸土后向散射系数的重要影响因素 冬小麦麦地水平、垂直同极化后向散射系数有较好的线性相关性 ，水平同极化后向散射与20cm 深土壤含水量有较好的相关性；垂直同极化后向散射和10、20cm 深土壤含水量都有很好的相关性，并且其相关性都达到显著 ； 冬小麦麦地后向散射系数受小麦覆盖度和土壤含水量影响，水平同极化后向散射系数和覆盖度、土壤含水量都有较好的相关性，并且和小麦覆盖度的相关性已达到显著 。垂直同极化后向散射系数和土壤含水量相关性达到显著。因而，可以用垂直同极化后向散射系数预测土壤含水量，用水平同极化后向散射预测小麦覆盖度。 农情监测 1、主要方法：农情地面监测和农情遥感监测 2、农情地面监测依靠全国各地的农情监测站点，按照规范的要求，定期收集本地区农作物的播种面积、田间管理、作物长势、各种灾害以及作物产量等信息，逐级上报 存在问题：客观性、时效性、点上数据难以反映宏观的整体情况 3、农情遥感监测主要应用遥感技术，对农业资源、环境与作物生长过程的监测与分析。即应用遥感技术采集并分析耕地、草地的数量、质量、利用状况，以及主要农作物的面积、长势、灾害和产量等农情信息，为相关政府部门、生产者、消费者提供信息支持。 4、监测的主要内容：农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测 遥感估产，农作物种植面积估算、农作物单产及总产预测，一直是农业遥感研究的重点。 农业灾害监测，我国在水灾遥感监测方面的研究较多；在 100 ?--=min max min i NDVI NDVI NDVI NDVI VCI
温室大棚控制决策 智能系统架构 建立通用数据库： 这是一个复杂的多变量系统，所以在运算过程中需要大量的中间数据。因为无法建立起精确的数学模型，而且因为一般的数学模型缺乏可扩展性以及自适应性，所以需要采用使用经验分析等方法，这是建立在大量数据采集和历史数据储存的基础上的。巨大的数据量和复杂灵活的数据结构需要一个高效、稳定、快速的数据库系统。 考虑到安全性，我们将数据库系统独立于底层系统，如上图所示，通过定时校验的方式来监测数据库的运行状态，一旦出现问题，底层
的动态数据跟随和多站点控制系统仍然可以自成系统独立运行，同时通过网络通知本公司维护人员及时通过网络或直接去现场维护。数据库系统还需要一套自保护措施，在故障发生时，及时处理数据，剔除错误数据，保证系统的有效性。 植物生长数据跟随系统： 1）、植物生长数据监测与分析： 温室大棚是一个农业上比较复杂的设施之一，要实时掌握整个系统的气候数据变化，可以在系统分析的基础上在关键点设置传感器，实时掌握关键点的土壤温度、土壤水分、环境照度、二氧化碳含量、环境温湿度等数据的变化。 通过建立农业灌溉季节模型及视频对比模型，实时分析该温室大棚植物生长变化，同时通过算法进行分析及预测，获得对该植物变化的认识和生长趋势的预测。 在灌溉季节模型及视频对比模型后，需要建立植物生长模型。联立各采集数据点和视频的关系，采用模糊关系矩阵进行耦合分析，从而从理论上掌握各分控的耦合关系，为进一步建立整个温室大棚植物生长数据模型打下基础。 2）、植物生长数据跟随： 在整体模型系统建立后，通过一定的技术算法进行权重运算，对现在植物生长状况进行评价和相关设施数据给定，并进行适当的预测分析。这个评价模型是为温室大棚系统供接口的，它通过已经定义好
0引言作物生长模拟模型简称作物模型，用以定量和动态地描述作物生长、发育和产量形成过程及其对环境的反应。该模型综合了作物牛理、生态、气象、土壤、水肥、农学等学科的研究成果，采用系统分析方法和计算机模拟技术，对作物生长发育过程及其与环境和技术的动态关系进行定量描述和预测。核心是对整个作物生产系统知识的综合和对生理生态过程及其相互关系的量化。它的建立有利于已有科学研究成果的综合集成，同时也是作物种植管理决策现代化的基础。作物生长模型的应用使得科学研究避免在不同的地方重复相同的试验。目前的作物模拟模型虽然借助3S技术得到长足发展，但依然存在着一些问题。1国内外作物模拟模型研究进展1．1 国外作物模拟模型研究进展20世纪60年代，随着农业科学以及计算机技术的发展以及对作物生理动态机理认识的不断加深，作物生长模型的研究得到了初步发展。经过几十年的发展，已经取得了较大的成就，主要以荷兰、美国、澳人利亚这3个国家所发展的模型影响为主。1．1．1荷兰作物模拟模型1965年，de wit对叶冠层的光合作用进行了研究，奠定了作物生长动态模拟模型基础。de Wit学派的第一个模型ELCROS(初级作物模拟器)是用于探讨不同条件下的作物潜在生产水平，模型包含了详细的、具有机理性的冠层光合作用部分、描述器官生长速率的部分及有关呼吸作用的最初设想。在其基础上又发展了BACROS(基本作物模拟器)模型和ARID CROP。de Wit学派的第一个概要模型SUCROS所描述的物理过程和生理过程适用于不同的环境条件，具有通用性。世界粮食研究中心在SUCROS的基础上开发了WO—FOST作物模型，着重强调在定量土地评价、区域产量预报、风险分析和年际间产量变化以及气候变化影响等方面量化中的应用。MACROS 模型作为SARP计划的一部分是比较完善和成熟的机理性作物生长模拟模型，该模型可以模拟作物潜在生产力、水分限制和养分限制条件下的作物生长。荷兰瓦赫宁根大学与菲律宾国际水稻所(IRRI)合作，在MACROS和SU—CROS的基础上开发了系列灌溉水稻模型ORYZA，该模型己经在东南亚各国得到广泛验证和应用。荷兰作物模型的特点是解释性、机理性、通用性强。模型主要考虑土壤、气候等因素的综合作用，后期模型也考虑了作物的品种遗传特性。模型主要用于验证科学假设，模拟气候变化、不同管理措施对作物生长过程的影响。1．1．2美国作物模拟模型美国著名的作物系列模型农业技术推广决策支持系统DSSAT囊括了美国众多的著名作物模型，如CERES和CROPGRO系列模型。作物一环境一资源综合系统CERES系列模型是密西根州立大学Ruthie教授等在20世纪80年代初建立的谷类作物模拟模型，在综合性与应用性方面都有所加强。它们不仅能模拟作物生长发育的主要过程，还能模拟土壤养分平衡(矿化、硝化、反硝化、固氮、淋溶、吸收和利用等)与水分平衡(有效降雨、径流、蒸发、蒸腾、土壤水分的垂直流动与渗漏等)。DSSAT系列模型模拟了完整的作物发育过程，从发芽、叶片出现次序、开花、到籽粒生理成熟和收获；模型模拟了基本的生理生态过程，如作物光合作用、呼吸作用、干物质分配和植株生长以及衰老等；同时还能得到作物的最终产出，如籽粒、果实、块茎或茎秆产量。除此之外，DSSAT还包括一个一维土壤水平衡模型，该模型可以模拟潜在蒸散、实际土壤蒸发、植物蒸腾、根系吸水、径流、土壤渗漏以及不同土层的土壤水流等。与之相关的多数作物模型还包括一个一维的土壤氮素平衡模块，用以模拟植物残茬和有机质的矿化与固定、氮素的硝化与反硝化、氮素运移等过程，此外还包括硝态氮的淋溶、氮素根系吸收以及豆类作物固氮等过程。美国棉花专家管理计算机模拟系统GOSSYMP00MA包含两个部分：GOSSYIVl模型和COMAX专家系统。GOSSYM是棉花模拟模型，用于模拟影响棉花生长发育和产量的生物学和非生物学过程，包括棉花根际的土壤水分和氮素平衡以及棉花体内的碳、氮平衡，是一个系统动力过程模型。COMAX是管理GOSSYM数据以及解释模拟结果的专家系统。与荷兰的作物模拟模型相比，美国的作物模拟模型的特点是应用性强和综合性强。综合考虑了作物品种遗传特性、土壤、气候和管理措施等诸多因素，可用于模拟作物管理措施的最终效果。1．1．3澳大利亚作物模拟模型澳大利亚系列作物模型APSIM集成了其他各种研究的零散结果，使得某一学科