基于多源数据同化的Sentinel-2反射率与SMAP土壤水分联合估算玉米生物量研究

《Precision Agriculture》:Multi-source data assimilation of Sentinel-2 reflectance and SMAP soil moisture into APSIM for maize biomass estimation

【字体: 大 中 小 】 时间:2026年09月27日 来源:Precision Agriculture 7.6

编辑推荐:

  摘要 目的:作物生长模型(Crop Growth Models, CGMs)是农业监测的重要工具。然而,模型对大量输入参数的需求、模型参数化与结构相关的不确定性以及空间信息的缺乏,推动了数据同化(Data Assimilation, DA)等技术的应用。本研究

  
摘要 目的:作物生长模型(Crop Growth Models, CGMs)是农业监测的重要工具。然而,模型对大量输入参数的需求、模型参数化与结构相关的不确定性以及空间信息的缺乏,推动了数据同化(Data Assimilation, DA)等技术的应用。本研究提出了一种DA框架,旨在提高玉米生物量估算精度。 方法:采用粒子滤波(Particle Filter, PF)方法,将遥感反射率与土壤水分(Soil Moisture, SM)数据分别独立及同时同化至农业生产系统模拟器(Agricultural Production Systems sIMulator, APSIM)模型中。Sentinel-2反射率观测通过APSIM与辐射传输模型(Radiative Transfer Model, RTM)PROSAIL的耦合进行同化,而SMAP L波段SM产品则直接同化至APSIM模型。 结果:为评估所提流程的可靠性而设计的合成实验,凸显了同化反射率对约束作物性状的优势,以及SM在提供作物水分状况补充信息并促成更稳健集合轨迹方面的作用。实际案例结果证实了上述发现。SM的同化在数据缺失及干旱条件下尤为有效。尽管联合同化并未持续超越单一来源同化策略,但其结果具有一致性,尤其在2023年,均方根误差(RMSE)、归一化均方根误差(nRMSE)和偏差分别为1258.83 kg/ha、16.62%和-220.52 kg/ha。 结论:所提出的框架展示了多源DA在提升生物量估算精度及支持稳健、空间显式作物监测方面的潜力。
论文解读
一、研究背景与问题
全球粮食安全形势严峻,2024年约有6.8亿人遭受粮食不安全问题。农业作为全球粮食供应的决定性因素,其生产受到气候变化、土地退化及水资源短缺等多重威胁,因此精准的作物生长监测对于优化农业生产策略至关重要。作物生长模型(CGMs)能够提供作物状态的连续信息,综合考虑土壤、气候条件、管理措施及其相互作用,定量模拟田间作物的完整生长过程。然而,CGMs的性能常受限于对大量输入参数的需求,这些参数可能受到显著不确定性的影响;同时,作物模型易受模型参数化与结构不确定性的干扰。此外,CGMs缺乏空间信息,其本质是田间尺度的点模型。为克服上述局限,数据同化(DA)技术被广泛应用于作物模拟领域。DA方法旨在将模型与测量数据中的互补信息结合,以获取感兴趣状态变量的最优估计。在DA策略中,更新方法因其在处理非频繁观测时的良好表现及较低的计算需求而优于强迫与校准方法。粒子滤波(PF)作为更新方法之一,能够适应任意概率密度函数,为非线性、非高斯动态系统提供了实用解决方案。在观测数据选择方面,遥感数据因其省力且能提供及时、广泛的信息而优于田间测量。反射率作为表征植物叶片等要素光谱特性的辐射度量,无法由CGMs直接模拟,需通过耦合辐射传输模型(RTM)实现。同时,土壤水分(SM)作为影响作物生长的关键因素,与大气、土壤和植物密切相关,是序列DA的理想观测变量。尽管已有大量研究探索EO数据同化至CGMs,但结合主动与被动传感器的多源数据同化研究仍相对不足,这构成了本研究的重要切入点。
二、研究内容与结论
研究人员提出了一种DA框架,通过将遥感SM与反射率数据独立及同时同化至APSIM作物模型中,以提高玉米生物量估算精度。SMAP L波段SM产品被直接同化至APSIM,而Sentinel-2反射率观测则通过APSIM与PROSAIL辐射传输模型的耦合实现同化。DA过程采用PF算法实现。该方法首先通过合成实验在受控条件下评估模型链的可靠性,随后应用于真实数据,在两个田块、两个不同年份进行了独立验证。最终,研究人员进行了基于像元的EO数据同化,基于Sentinel-2数据生成了生物量空间分布图,实现了从APSIM提供的区域平均信息向生物量空间变异性表征的转变。研究验证了两个假设:一是反射率与SM的联合同化能比单一变量同化提供更准确的生物量估算;二是SMAP数据通过弥补光学观测的数据缺口,增强了DA的稳健性和时间稳定性。
三、主要技术方法
本研究采用的核心技术方法包括:其一,使用Morris筛选方法对APSIM模型的十三个输入参数进行敏感性分析,识别出对生物量影响最显著的七个参数,包括植物密度(M1)、播种日期(M2)、辐射(W2)、最高温度(W4)、最低温度(W3)及幼年物候期(C1)等,用于后续粒子扰动。其二,构建了APSIM与PROSAIL辐射传输模型的耦合框架,将APSIM输出的叶面积指数(LAI)直接传递至PROSAIL,其余输入参数由APSIM输出计算得出,从而实现反射率的模拟。其三,采用粒子滤波(PF)算法作为DA核心,通过序贯重要性采样(SIS)与残差重采样相结合,并辅以高斯噪声扰动以缓解样本贫化问题,实现了对模型状态与参数的同时更新。研究数据来源于卢森堡中西部Everlange附近的两个相邻玉米田块,分别于2022年和2023年夏季开展田间试验,采集了鲜重与干重生物量样本,并布设了土壤水分传感器。遥感数据包括Sentinel-2光学反射率与SMAP L波段土壤水分产品。
四、研究结果
敏感性分析结果:对2022年和2023年生长季内Sentinel-2影像可用日期的分析表明,植物密度(M1)、播种日期(M2)、辐射(W2)、最高温度(W4)、最低温度(W3)和幼年物候期(C1)是影响生物量的最显著参数。在不同日序(DOY)下,即生物量发育的不同阶段,影响参数相同但排序略有差异。降雨量(W1)在2022年表现出中等敏感性,但在2023年大部分生长季内敏感性很低或几乎不敏感。因此,仅选取这七个参数在PF框架中进行扰动。
合成实验:为评估所提DA流程的可靠性而设计的合成实验表明,同化反射率在约束作物性状方面具有优势,而同化SM则提供了作物水分状况的补充信息,并有助于形成更稳健的集合轨迹。合成实验结果验证了该方法的有效性。
真实案例结果:真实数据应用结果证实了合成实验的发现。SM的同化在数据缺失及干旱条件下尤为有效。尽管联合同化并未持续超越单一来源同化策略,但其结果具有一致性。在2023年,联合同化策略取得了最优结果,均方根误差(RMSE)为1258.83 kg/ha,归一化均方根误差(nRMSE)为16.62%,偏差为-220.52 kg/ha。
五、讨论与结论
讨论部分指出,多源数据同化策略在作物模型模拟中具有重要价值。反射率同化能够有效约束作物性状参数,而土壤水分同化则在光学数据缺失或干旱条件下提供了关键的补充信息。尽管联合同化在部分情况下未显著优于单一变量同化,但其结果的一致性和稳健性表明多源同化策略在复杂环境条件下的应用潜力。基于像元的同化方法成功实现了从区域平均信息向空间显式生物量估算的转变,这对于精准农业和区域尺度作物监测具有重要意义。
研究结论表明,所提出的多源DA框架展示了提升生物量估算精度的潜力,并能够支持稳健的、空间显式的作物监测。该框架通过整合光学反射率与微波土壤水分数据,有效弥补了单一数据源的局限性,为作物生长监测提供了更为可靠的技术途径。这一研究为多源遥感数据在作物模型同化中的应用提供了实证支持,也为未来开发高科学就绪水平(SRL)和技术就绪水平(TRL)的业务化生物量产品奠定了基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号