王一明
- 作品数：1 被引量：1H指数：1
- 供职机构：中国科学院遥感与数字地球研究所更多>>
- 发文基金：国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 关键物候期遥感数据缺失条件下的数据同化研究被引量：1
- 2017年
- 随着数据同化方法的不断发展,数据同化已被广泛应用于遥感数据与作物生长模型的结合之中,但在关键物候期遥感数据缺失条件下的同化方法还有待加强研究。以黑龙江省红星农场为研究区,以玉米为研究对象,利用遥感数据与WOFOST模型开展同化方法研究。结果表明:经改进后的集合卡尔曼滤波算法同化,明显改善了误差较大的遥感影像对叶面积指数时序曲线的影响,同时减弱了曲线的锯齿状波动;在田块尺度上,和原始算法同化产量结果相比,R^2提高到0.67,RMSE减少到92.23kg/hm^2;在农场尺度上,R^2提高至0.61,RMSE减少至122.44kg/hm^2。
- 王一明蒙继华程志强
- 关键词：作物生长模型
