南疆干旱区骏枣生物量时空监测的遥感同化方法及水胁迫评价研究

Southern Xinjiang is one of the most important jujube production base in China. Quickly and accurately monitoring the growth condition of jujube tree is of important significance to improve the efficiency of water resource utilization and yield of jujube in the case of drought and water shortage. Therefore, this project focuses on dynamic monitoring of biomass on jun jujube which is widely planted in southern Xinjiang. First of all, using EFAST(extended Fourier amplitude sensitive test) method to analyze global sensitivity and uncertainty of the parameters of WOFOST model, correct and optimize the parameters of the model. By using mathematical methods and models to research the influence mechanism and the quantitative relation between the canopy structure, root distribution and the moisture migration of jun jujube tree. A model of jujube growth model will be established under the condition of water stress. Secondly, the methods with assimilating remote sensing into the jujube growth model are implemented from researching different methods for retrieving Leaf Area Index, the selection of the assimilation time and space and the accuracy, efficiency and the ability to deal with uncertainty problem of some mainstream assimilation algorithms. And lastly, a dynamic change of jujube biomass in time and space under the condition of water stress will be monitored and simulated to solve the problem of increased uncertainty and low accuracy of crop model monitoring method in the extending application of the region, and reveal the moisture migration mechanism and evaluate the influence of water stress on the growth and yield of jujube. The research results can provide reference and research idea for space-time continuous monitoring of crop growth, water stress evaluation and scientific irrigation.

南疆是我国最重要的优质红枣生产基地，在干旱、水资源紧缺的情况下快速准确的监测枣树生长状况对提高水资源利用效率和提高红枣产量意义重大。因此，项目以骏枣为研究对象，首先，利用EFAST方法分析WOFOST模型的全局敏感性和不确定性，校正和优化模型参数，采用数学分析方法和建模手段研究冠层结构和根系分布对枣树水分运移的影响机制及定量关系，从而建立水分胁迫条件下的枣树生长模型；其次，从同化观测量LAI的遥感反演方法和不同同化算法的精度、效率和处理不确定性问题能力的系统分析开展研究，实现遥感-枣树生长模型同化方法；最后，在区域尺度上实现水分胁迫条件下的枣树生物量变化动态监测与模拟，解决作物生长模型估测法在区域扩展应用时不确定性增大、精度降低的问题，揭示水分运移机制，并分析评估水分胁迫对枣树生长发育和产量的影响程度。进而为干旱区时空连续监测作物生长、水胁迫评价和科学灌溉提供参考和研究思路。

项目希望在南疆普遍干旱的自然条件下，通过研究骏枣生物量时空监测的遥感和作物生长模型同化方法，解决作物生长模型监测法的尺度问题，并评估水分胁迫对枣树生长发育的影响。① 以WOFOST模型为基础，通过三年田间细节实验的设计，完成了主要骏枣生长参数和土壤参数的测量和矫正，进而实现水分胁迫条件下的枣树生长模拟。模拟的土壤水分含量的R^2和RMSE（不包括灌溉当天和灌溉后第一天的样本）可以达到0.94和0.005 cm^3 cm^-3。很好地再现了总生物量和叶面积指数的生长动态，分别的验证R^2=0.967和RMSE=0.915 t/ha，R^2=0.962和RMSE=0.160 m2 m-2。模型具有良好的整体产量预测性能，R^2=0.86和RMSE=0.51 t/ha，以及每个生长季局部精度（R^2≥0.8，RMSE≤0.62 t/ha）。此外，建议80%的完全灌溉为临界灌溉量（产量下降低于10%），90％的完全灌溉量值得推荐，可以实现骏枣产量和节水之间的平衡（产量的平均下降率≤3.8％）。② 项目确定了使用遥感方法进行可靠的枣产量预测的物候时间，探索了一种利用物候生长期的长度来改进遥感估计产量精度的方法。发现枣产量预测的最佳时间是从7月中旬到8月中旬（r≥0.76）。第十四和十五半月的平均NDVI具有最高的相关系数0.82。使用的DVS 1-2的物候学长度改进的模型具有更高的精度和稳定性，2017年建立的模型的R^2和RMSE分别是0.68和0.86 t/ha，2016年验证的R^2=0.65，RMSE=0.87 t/ha，2014年验证的R^2=0.74，RMSE=0.85 t/ha，2013验证的R^2=0.63，RMSE=0.95 t/ha。模型公式如下，Lb,Ly分别是模拟建立年和预测年的物候学长度。YIELD=Ly/Lb* 0.76287×e^(3.51994*NDVI)。③ 采用全局优化的方法SCE-UA优化初始作物干重TDWI，根据遥感反演的LAI变化在区域尺度调整TDWI，使模型模拟的LAI和遥感反演的LAI误差最小。使用遥感优化的TDWI的模型性能略好于平均值和拟合值，验证的整体R^2=0.891和RMSE=0.591 t/ha，针对特定树龄的局部精度R^2=0.57, RMSE=0.66 t/ha。