利用双变量同化与PCA-Copula法的冬小麦单产估测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.13203/j.whugis20220038

利用双变量同化与PCA-Copula法的冬小麦单产估测

引用
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.

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

47

P237;TP79(摄影测量学与测绘遥感)

国家自然科学基金;国家自然科学基金

2022-10-20(万方平台首次上网日期,不代表论文的发表时间)

共12页

1201-1212

相关文献
评论
暂无封面信息
查看本期封面目录

武汉大学学报(信息科学版)

1671-8860

42-1676/TN

47

2022,47(8)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn