基于条件植被温度指数的冬小麦主要生育期水分胁迫信息的反演与同化研究

Crop water status is closely associated with crop growth and development, and yield formation. Based on the progress and findings of the former NSFC's supported projects, this project focuses on the retrieval and assimilation of crop water stress information during the main crop growth and development period (from the reviving stage to the dough stage) of winter wheat, using remotely sensed data and simulation results of the CERES-Wheat model. The main data used in this study are Terra/Aqua MODIS and NOAA AVHRR data, as well as data acquired by China satellites. The study area is the Guanzhong Plain and the Weibei Tablelands of Shaanxi province in the Northwest China where winter wheat is commonly covered from middle October to early June. On the basis of quantitative remote sensing techniques, data assimilation approaches and dynamic modelling methods, the following studies will be carried out: (1) remotely sensed retrievals of a drought indicator, vegetation temperature condition index (VTCI), at ten-day intervals, and dynamically simulatiion of soil and crop (wheat) water balances; (2) retrieval approaches and temporal scaling transformation approaches of wheat water stress information from a given period to the main growth and development period of wheat by using subjective and/or objective weighting methods; (3) data assimilation approaches of the wheat water stress information by using the Ensemble Kalman Filter, variational assimilation and particle filter. (4) field campaigns in the study area for validating the wheat water stress information approaches and also the assimilation models. The characteristics and innovation of this project are to develop retrieval and assimilation approaches of the wheat water stress information at the main crop growth and development period. The study achievements will be very important and useful for crop water stress monitoring during the growth and development period of winter wheat.

作物水分状况与作物生长发育和产量形成等过程密切相关。本项目以陕西关中平原和渭北旱塬为研究区域，以CERES-Wheat模型为动态模型，应用多时相卫星遥感数据（MODIS、AVHRR和国产卫星遥感数据等）和地面观测数据，基于以旬为单位的条件植被温度指数的干旱监测结果，以及土壤和冬小麦水分信息的动态模拟结果，以水分胁迫对冬小麦生长和产量的影响为依据，采用主、客观赋权法进行冬小麦主要生育期（返青至乳熟期）水分胁迫信息的遥感定量反演和时间尺度转换研究；采用集合卡尔曼滤波、变分同化和粒子滤波等数据同化方法进行冬小麦主要生育期水分胁迫信息的同化研究；开展地面调查实验，对相关反演与同化方法进行验证和评价。本项目的特色和创新是基于前期以旬为基础的冬小麦水分胁迫信息的研究成果，开展冬小麦主要生育期作物水分胁迫信息的反演与同化研究，以期研发服务于区域农业生产的冬小麦水分胁迫状况的遥感综合监测方法。

以关中平原为研究区域，利用定量遥感技术和动态模拟技术，重点对冬小麦主要生育期水分胁迫信息的反演与同化及其时空尺度转换方法进行了研究，并以干旱对冬小麦单产的影响为基准，对其进行了验证。..从理论上进一步阐述了条件植被温度指数（VTCI）的最佳干旱监测的时间尺度，以及不同生育时期干旱对冬小麦生产的影响程度。基于CERES-Wheat模型的动态模拟，进一步论证了VTCI的最佳干旱监测尺度为旬；冬小麦不同生育时期对水分胁迫的敏感性由大到小依次为拔节期、抽穗~灌浆期、返青期和乳熟期。..在应用客观赋权法进行VTCI时间升尺度转换方面取得突破。应用3种小波函数（Morlet、Mexican Hat和Paul(m=4)）的主振荡周期、交叉共振周期得出了冬小麦不同生育时期干旱对其产量的影响程度：拔节期干旱对小麦产量的影响最大，抽穗~灌浆期次之，乳熟期和返青期较小。应用PCA-Copula和KPCA-Copula方法进行了干旱影响评估研究，得出了KPCA-Copula方法可更好地用于开展干旱对冬小麦生产及其产量的影响评估研究的结论，但这2种方法均不能明确定量地得出不同生育时期干旱对冬小麦单产的影响程度。..在MODIS-VTCI空间降尺度转换方面取得初步成果，有望应用VTCI进行田块尺度（30 m）近实时定量化的干旱监测，促进VTCI系列研究成果的深化和应用。以Landsat-VTCI（30 m）为中间变量，应用均值融合模型、中值融合模型及点扩散函数法（PSF）对MODIS-VTCI进行空间降尺度转换，得出的主要结论为：应用PSF降尺度转换的VTCI在保持MODIS-VTCI较为准确的定量化干旱监测特性的同时，还考虑了Landsat-VTCI的空间变异特性，为较好的降尺度转换方法。..VTCI和VTCI/LAI双变量同化研究方面取得进一步成果。采用四维变分算法、集合卡尔曼滤波算法和粒子滤波算法（PF）进行了冬小麦主要生育期LAI和VTCI的同化，结果表明，采用PF算法同化的VTCI能进一步提高干旱影响评估（VTCI时间升尺度转换结果）的精度。在旱作样点，同时同化VTCI和LAI的单产估测精度优于单独同化VTCI或LAI的单产估测精度，表明LAI和VTCI是影响冬小麦产量形成的主要因子；而在灌溉样点，单独同化LAI的估测结果精度最高，表明LAI是影响冬小麦产量形成的主要因子。