遥感数据与作物生长模型同化及在作物长势监测与估产中的应用

随着科学技术发展和农业应用需求的驱动，数据同化方法将遥感数据与作物生长模型相结合，监测作物长势及预测作物产量，是当前农业信息技术应用研究的重要内容和发展趋势之一。二者结合既能提供宏观监测信息，又可动态反映作物生长发育过程，有利于实现优势互补，提升应用潜力。一：遥感基础理论知识
1.遥感平台（如无人机）与传感器、国内外主要陆地卫星（如Landsat、SPOT、HJ、GF）
2.遥感基本原理、光谱响应函数、遥感数据处理流程

3.遥感在陆地生态系统监测方面的应用

二：作物长势监测与产量估算国内外研究进展
1.国内外研究综述

2.研究实例分析

三：Fortran编程语言
1.软件安装

2.工程文件建立、基本语法操作

四：作物参数遥感反演基本原理
1.遥感反演作物参数类型
生化组分（叶绿素、氮、干物质、叶片水分含量、花青素）
生物物理参数（LAI、LAD、株高、生物量）
生理生态参数（FPAR、ET）
2.作物参数遥感反演模型
2.1经验模型
线性模型
指数模型
对数模型
2.2物理模型
辐射传输模型
几何光学模型
混合模型
计算机模拟模型

3.不同方法对比分析

五：PROSAIL模型
1.输入参数：LAI/LAD/叶绿素/花青素/干物质/类胡萝卜素/水分含量/…
2.输出参数：植被冠层反射率

3.以FORTRAN代码为例上机操作反射率模拟流程
4.模拟叶片反射率与透射率
5.模拟植被冠层400-2500 nm高光谱反射率曲线

6.模拟Landsat OLI、MODIS等遥感传感器多光谱反射率数据

六：参数敏感性分析
6.1 待优化参数选择
6.2 局部敏感性分析
6.3 全局敏感性分析
EFAST敏感性分析方法介绍
SIMLAB软件操作流程

PROSAIL模型参数全局敏感性分析

模型参数在高光谱波段（400-2500nm）处的敏感性

模型参数在Landsat OLI传感器多光谱波段处的敏感性

七:遥感反演过程中的代价函数求解问题
1.代价函数构建
1.1反演方式
1.2反演参数
1.3“病态”问题
1.4先验知识
1.5函数极值问题
2.反演算法介绍
2.1优化技术
2.2查找表

2.3神经网络
2.4模拟退火

3.应用案例分析

八:基于查找表方法+PROSAIL模型的作物参数遥感反演
1.查找表原理
2.查找表实现

3.基于查找表和PROSAIL模型的作物参数遥感反演

九:基于优化算法+PROSAIL模型的作物参数遥感反演
1.代价/目标函数极值求解
2.测试函数极值求解
3.优化算法求解PROSAIL模型参数

4.待求解作物参数最优值提取

十:作物模型程序化表达与运行
1.模型分类
1.1经验模型
1.2半机理模型
1.3机理模型
2.模型选取原则
3.模型调试
4.模型标定
5.模型对比分析
6.应用案例分析
7.模型运行（以DSSAT作物模型为例、FORTRAN源码）
7.1时间序列植被参数（如叶面积指数）演化模拟

7.2作物参数（如LAI）时间序列变化及产量模拟过程

十一:作物模型与遥感数据同化建模原理
1.作物模型与遥感观测耦合的必要性
作物模型优缺点
遥感观测优缺点
耦合必要性
2.耦合方法
驱动法
原理
程序实现过程
应用实例
2.2数据同化方法
发展历程
数据同化算法

2.3方法对比分析
3.作物模型参数敏感性分析
待优化参数选择
局部敏感性分析
全局敏感性分析
4.作物模型与遥感数据同化
同化遥感反演结果（如LAI遥感产品）

同化遥感观测反射率

十二:作物模型与遥感反演值同化建模的程序化实现（第一种方式）

作物模型与遥感反演值同化建模框架
1.Fortrtan操作平台
2.遥感反演结果（如叶面积指数）
3.作物模型
4.变分算法
5.代价函数构建
6.迭代求解
7.输出：作物关键参数时间序列变化、产量估算结果、区域制图

十三:作物模型与遥感反射率同化建模的程序化实现（第二种方式）
作物模型与遥感反射率同化建模框架
1.Fortrtan操作平台
2.遥感观测反射率
3.作物模型
4.植被冠层反射率模型
ROSAIL前向模型反射率模拟
5.耦合模型构建（作物模型+冠层反射率模型）
6.变分算法
7.代价函数构建
迭代求解

输出：作物关键参数时间序列变化、产量估算结果、区域制图