多源遥感与作物模型同化模拟作物物生长参数时空域连续变化

本文将遥感信息与作物模型同化实现作物生长参数的时空域连续模拟,进而监测生长参数的时空域变化.首先将作物模型WOFOST(World food studies) 与冠层辐射传输模型PROSAIL 耦合构建WOPROSAIL 模型,利用微粒群算法(PSO) 通过最小化从CCD 数据获取的土壤调节植被指数观测值SAVI(soil adjusted vegetation index) 与耦合模型得到的模拟值SAVI’之间差值优化作物模型初始参数.通过MODIS 数据反演实现参数的区域化,并将区域参数作为优化后作物模型输入参数驱动模型逐像元计算生长参数,实现生长参数的时空域连续模拟与监测,最终建立区域尺度遥感-作物模拟同化框架模型RS-WOPROSAIL .结果表明：同化模型解决了作物模型模拟空间域和遥感信息时间域的不连续问题.模型模拟的叶面积指数(LAI) 、穗重(WSO) 、地上总生物量(TAGP) 等生长参数较好地体现了水稻生长状况时空域变化,研究区水稻模拟产量与实际产量的误差为27.4% .     

湖泊营养状态遥感评价及其表征参数反演算法研究进展

湖泊富营养化由于其可导致藻类水华暴发,引发生态系统灾变和饮用水风险,是中国乃至全球湖泊面临的主要生态环境问题.湖泊营养状态精准、实时、大范围的同步监测是准确掌握湖泊水环境变化特征,开展富营养化成因分析、评价评估、治理修复和管理考核的重要基石.相比地面调查的传统手段,遥感具有快速、大范围、周期性等优点,已经广泛应用于叶绿...     

基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例

三峡水库在不同水位调控期支流回水区末端水深变化幅度较大,加之复杂水动力变化产生的生境异质性,塑造出有别于浅水湖泊的水华暴发特征.本研究基于库区4条支流——香溪河、澎溪河、大宁河及草堂河部署的自动监测数据,利用小波变换(WT)和长短期记忆网络(LSTM)构建藻类时序变化预测模型,并探讨神经网络层数、每层隐藏神经元数、时间...