El modelo de simulación de crecimiento de cultivos basado en procesos DSSAT es una poderosa herramienta para la investigación de sistemas agrícolas modernos. Puede describir cuantitativamente los procesos de crecimiento y desarrollo de cultivos y formación de rendimiento y su relación con factores climáticos, ambiente del suelo, tipos de variedades y medidas técnicas, y proporciona soluciones para diferentes condiciones.Se proporcionan herramientas cuantitativas para la predicción del crecimiento y el rendimiento de los cultivos, la gestión del cultivo, la evaluación ambiental y la evaluación del cambio climático futuro. Sin embargo, cuando los modelos de crecimiento de cultivos pasan de una investigación de un solo punto a aplicaciones a escala regional, la falta de uniformidad del entorno superficial y cercano a la superficie debido al aumento de la escala espacial genera problemas en la adquisición de algunos datos macroscópicos y la regionalización. Hay muchas dificultades y los resultados de la simulación del modelo también tendrán grandes incertidumbres. La información de teledetección puede ayudar a los modelos de crecimiento de cultivos a superar estas deficiencias en gran medida.
Los datos de teledetección de satélites domésticos (como HJ, GF, ZY), MODIS, Landsat, Sentinel-2 y otros datos de teledetección son medios eficaces para monitorear el estado de crecimiento de los cultivos en un área grande; los modelos de crecimiento de cultivos pueden utilizar factores ambientales para simular el proceso de crecimiento de los cultivos y revela las características del crecimiento y desarrollo de los cultivos.Causa y esencia. Impulsados por el desarrollo de la ciencia y la tecnología y la demanda de aplicaciones agrícolas, los métodos de asimilación de datos combinan datos de teledetección con modelos de crecimiento de cultivos para monitorear el crecimiento de los cultivos y predecir su rendimiento. Este es uno de los contenidos importantes y las tendencias de desarrollo de la tecnología de la información agrícola actual. investigación de aplicaciones. La combinación de ambos no sólo puede proporcionar información de seguimiento macroscópico, sino que también refleja dinámicamente el proceso de crecimiento y desarrollo del cultivo, lo que favorece la obtención de ventajas complementarias y la mejora del potencial de aplicación.
En la actualidad, no existe ningún software comercial maduro disponible para la estimación del rendimiento de los cultivos basado en el método de asimilación de datos que combina la teledetección y el modelo de cultivo. Este curso tiene como objetivo ayudar a los estudiantes a dominar los conocimientos básicos de la teledetección y la asimilación de modelos de cultivos, y las diferencias entre ellos y Métodos tradicionales de monitoreo de sensores remotos de cultivos. Contáctenos, utilizando una combinación de "explicación teórica + práctica de casos + práctica práctica + discusión e interacción" para despegar los capullos y analizar en términos simples la experiencia y las habilidades de programación que deben dominarse. al aplicar métodos de asimilación de datos en el seguimiento del crecimiento de cultivos y estimación de rendimientos, con el fin de resolver problemas agrícolas.Cuestiones científicas relevantes en la investigación productiva.
Se trata principalmente de datos de teledetección, modelo PROSAIL, modelo DSSAT, análisis de sensibilidad de parámetros, algoritmo de asimilación de datos, acoplamiento de modelos, verificación de precisión y otros vínculos principales en el modelado de asimilación de datos de teledetección y modelos de cultivos.
1 : Conocimientos teóricos básicos de la teledetección.
- Plataformas de teledetección (como drones) y sensores, importantes satélites terrestres nacionales y extranjeros (como Landsat, SPOT, HJ, GF)
- Principios básicos de la teledetección, función de respuesta espectral, flujo de procesamiento de datos de teledetección
- Aplicación de la teledetección en el seguimiento de los ecosistemas terrestres
2 : Avances de la investigación nacional y extranjera sobre el seguimiento del crecimiento de los cultivos y la estimación del rendimiento
- Una revisión de la investigación nacional y extranjera.
- Análisis de casos de investigación.
Tres : lenguaje de programación Fortran
Instalación del software (usando el portátil versión profesional xp/win7/win8/win10 )
Creación de archivos de proyecto y operaciones de sintaxis básicas.
IV : Principios básicos de la inversión de parámetros de cultivos por teledetección
- Tipos de parámetros de cultivos de inversión de teledetección
- Componentes bioquímicos
(Clorofila, nitrógeno, materia seca, contenido de humedad de las hojas, antocianinas)
- parámetros biofísicos
(LAI, LAD, altura de planta, biomasa)
- parámetros fisiológicos y ecológicos
(FPAR、ET)
- Modelo de inversión de teledetección de parámetros de cultivo
- modelo empírico
- Modelo lineal
- modelo exponencial
- modelo logarítmico
- …
- Modelo físico
- Modelo de transferencia radiativa
- modelo de óptica geométrica
- Modelo mixto
- modelo de simulación por computadora
Análisis comparativo de diferentes métodos.
- Modelo mixto
- modelo de simulación por computadora
Análisis comparativo de diferentes métodos.
(LAI, LAD, altura de planta, biomasa)
- parámetros fisiológicos y ecológicos
(FPAR、ET)
- Modelo de inversión de teledetección de parámetros de cultivo
- modelo empírico
- Modelo lineal
- modelo exponencial
- modelo logarítmico
- …
- Modelo físico
- Modelo de transferencia radiativa
- modelo de óptica geométrica
- Modelo mixto
- modelo de simulación por computadora
Análisis comparativo de diferentes métodos.
Cinco : modelo PROSAIL
- Parámetros de entrada: LAI/LAD/clorofila/antocianina/materia seca/carotenoides/contenido de humedad/…
- Parámetro de salida: Reflectancia del dosel vegetal
- Tomando el código FORTRAN como ejemplo para simular el proceso de simulación de reflectividad en una computadora
- Simular la reflectividad y transmitancia de las hojas.
- Dosel vegetal simulado Curva de reflectancia hiperespectral de 400-2500 nm
Simule datos de reflectancia multiespectral de sensores de detección remota como Landsat OLI y MODIS.
Seis : análisis de sensibilidad de parámetros
- Selección de parámetros a optimizar
- análisis de sensibilidad local
- análisis de sensibilidad global
- Introducción al método de análisis de sensibilidad EFAST.
- Proceso de operación del software SIMLAB
Análisis de sensibilidad global de los parámetros del modelo PROSAIL.
7. Problemas de solución de la función de costos en el proceso de inversión de la teledetección
- Construcción de la función de costos.
- Método de inversión
- Parámetros de inversión
- Problema "enfermo"
- Conocimiento previo
- función problema de valores extremos
- Introducción al algoritmo de inversión.
- Tecnología de optimización
- tabla de búsqueda
- Redes neuronales
- recocido simulado
- …
Análisis de casos de aplicación
Ocho inversiones por teledetección de parámetros de cultivos basadas en el método de tabla de búsqueda + modelo PROSAIL
- Principio de la tabla de búsqueda
- Implementación de la tabla de búsqueda
Inversión por teledetección de parámetros de cultivos basada en tabla de búsqueda y modelo PROSAIL
9. Inversión por teledetección de parámetros de cultivo basada en algoritmo de optimización + modelo PROSAIL
- Solución de valor extremo de función costo/objetivo
- Función de prueba solución de valor extremo
- Algoritmo de optimización para resolver parámetros del modelo PROSAIL.
Extracción de valores óptimos de parámetros de cultivo a solucionar
Expresión programada y funcionamiento de diez modelos de cultivos.
- Clasificación de modelos
- modelo empírico
- modelo semimecanico
- modelo de mecanismo
- Principios de selección de modelos.
- Depuración de modelos
- Calibración del modelo
- Análisis comparativo de modelos.
- Análisis de casos de aplicación
- Operación del modelo (tomando el modelo de cultivo DSSAT como ejemplo, código fuente FORTRAN)
- Simulación de la evolución de los parámetros de vegetación de series temporales (como el índice de área foliar)
Cambios en las series temporales de parámetros de cultivos (como LAI) y proceso de simulación de rendimiento
Once modelos de cultivos y principio de modelado de asimilación de datos de teledetección
- La necesidad de combinar modelos de cultivos y observaciones de teledetección
- Ventajas y desventajas del modelo de cultivo.
- Ventajas y desventajas de la observación por teledetección
- Necesidad de acoplamiento
- método de acoplamiento
- método de conducción
- principio
- Proceso de implementación del programa
- Aplicaciones
- método de asimilación de datos
- camino de desarrollo
- Introducción a los algoritmos de asimilación de datos.
- Análisis comparativo de métodos.
- Análisis de sensibilidad de los parámetros del modelo de cultivo.
- Selección de parámetros a optimizar
- análisis de sensibilidad local
- análisis de sensibilidad global
- Modelo de cultivo y asimilación de datos de teledetección.
- Asimilar los resultados de inversión de la teledetección (como los productos de teledetección LAI)
Reflectancia de observación por teledetección asimilada
Implementación programada del modelo de doce cultivos y modelado de asimilación del valor de inversión por teledetección (primer método)
- Plataforma operativa Forttan
- Resultados de inversión de teledetección (como el índice de área foliar)
- modelo de cultivo
- algoritmo variacional
- Construcción de la función de costos.
- solución iterativa
Producto : cambios en series temporales de parámetros clave de cultivos , resultados de estimaciones de rendimiento , mapeo regional
Implementación programada de trece modelos de cultivos y modelación de asimilación de reflectividad por teledetección (segundo método)
Modelo de cultivo y marco de modelado de asimilación de reflectancia por teledetección.
- Plataforma operativa Forttan
- Reflectividad de teledetección
- modelo de cultivo
- Modelo de reflectancia del dosel de vegetación.
- Simulación de reflectividad del modelo directo PROSAIL
- Construcción de modelo acoplado (modelo de cultivo + modelo de reflectancia de dosel)
- algoritmo variacional
- Construcción de la función de costos.
- solución iterativa
Producto : cambios en series temporales de parámetros clave de cultivos , resultados de estimaciones de rendimiento , mapeo regional