基于过程的作物生长模拟模型DSSAT是现代农业系统研究的有力工具,可以定量描述作物生长发育和产量形成过程及其与气候因子、土壤环境、品种类型和技术措施之间的关系,为不同条件下作物生长发育及产量预测、栽培管理、环境评价以及未来气候变化评估等提供了定量化工具。但是,当作物生长模型从单点研究发展到区域尺度应用时,由于空间尺度增大而出现的地表、近地表环境非均匀性问题,导致模型中一些宏观资料的获取和参数的区域化方面存在很多困难,模型模拟结果也会存在很大的不确定性,而遥感信息在很大程度上可以帮助作物生长模型克服这些不足。
国产卫星(如HJ、GF、ZY)、MODIS、Landsat、Sentinel-2等遥感数据是进行大范围作物生长状态监测的有效手段;作物生长模型能够利用环境因素模拟作物生长过程,揭示作物生长发育的原因与本质。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。
目前在基于数据同化方法耦合遥感与作物模型开展作物估产方面,尚未有成熟的商业软件面世,Ai尚研修特举办“遥感数据与作物模型同化实践技术应用高级培训班”,旨在帮助学员掌握遥感与作物模型同化的基础知识,与传统的作物遥感监测方法的区别与联系,采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式,抽丝剥茧、深入浅出地分析数据同化方法在作物长势监测及产量估算应用时需要掌握的经验及编程技巧,以便解决农业生产科研中的相关科学问题。
主要涉及遥感数据与作物模型同化建模中的遥感数据、PROSAIL模型、DSSAT模型、参数敏感性分析、数据同化算法、模型耦合、精度验证等主要环节。培训大纲的设置主要围绕上述环节来设计相关的基础理论知识与上机操作步骤,通过逐一环节的讲解与实际操作,达到本次培训的目的,实现培训的既定目标。