基于LAI时间序列重构数据的冬小麦物候监测

摘要：

农作物物候信息对农作物长势监测和估产具有重要意义。该文以河北省中南部冬小麦为研究对象，以叶面积指数（LAI，leaf area index）为同化量，采用重采样粒子滤波算法同化WOFOST（world food studies）作物生长模型和遥感观测LAI，重构LAI时间序列数据，基于重构数据提取冬小麦返青期、抽穗期和成熟期等关键物候期。重构结果表明，重构的LAI具有良好的时间连续性和空间连续性，可减缓WOFOST作物模型LAI变化剧烈程度，峰值出现时间与遥感LAI曲线基本同步，且可一定程度上解决遥感观测LAI数值整体偏低和数据缺失的问题。物候期监测结果表明，在空间分布上与冬小麦实际生长状况基本相符，时间上也较为合理，但因在返青期存在LAI高初始值、成熟期存在LAI下限不确定性等问题致使在具体日期存在偏差。

关键词：遥感、监测、数据处理、物候、叶面积指数、重采样粒子滤波、冬小麦

分类号：S127;TD79(农业物理学)

资助基金：科技部“十二五”支撑计划项目2012BAD20B01-03；中央高校基本科研业务费专项资金项目2011JS147。

在线出版日期：2013-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：120-129