田丽燕
- 作品数：6 被引量：66H指数：3
- 供职机构：中国农业大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划水利部公益性行业科研专项更多>>
- 相关领域：农业科学天文地球更多>>
- 芦山地震震后次生滑坡灾害风险评价研究被引量：3
- 2013年
- 以北京时间2013年4月20日8时02分四川省雅安市芦山县7.0级地震为例,对研究区进行震后次生滑坡灾害风险评价。研究在利用芦山地震受灾区航空影像对震后次生滑坡灾害隐患点解译的基础上,选择坡度、坡向、震后累计降雨量和危险植被指数4个评价因子,利用统计分级法对各因子进行敏感性分析,采用层次分析法(Analytic Hierarchy Process,AHP)对评价因子进行权重量化,最后综合运用GIS空间分析技术对芦山地震震后次生滑坡灾害进行风险评价,研究结果将研究区划分为次生滑坡灾害高危险区、中危险区和低危险区。
- 刘睿苏伟张晓东田丽燕张群燕
- 关键词：航空影像AHP层次分析法
- 同化叶面积指数和蒸散发双变量的冬小麦产量估测方法被引量：12
- 2015年
- 同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数,重新初始化WOFOST模型初始参数——作物初始干物质重、作物35℃生命期和灌溉量。最后利用MODIS LAI产品(MCD15A3)、MODIS ET产品(MOD16A2),同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量(ET或LAI)和同化双变量(ET和LAI)的估产精度。结果表明:同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R2=0.432,RMSE=721 kg/hm2;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R2=0.408,RMSE=925 kg/hm2;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度(R2=0.013,RMSE=1134 kg/hm2)与模型模拟估测产量精度(R2=0.006,RMSE=1210 kg/hm2)相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。
- 包姗宁曹春香黄健熙田丽燕马鸿元苏伟倪希亮
- 关键词：蒸散发叶面积指数同化估产
- 一种基于尺度转换和数据同化的农作物产量估测方法
- 本发明属于农业遥感领域，具体涉及一种基于尺度转换和数据同化的农作物产量估测方法及其指导农作物生产中的应用，具体步骤如下：S1收集参数完成WOFOST作物模型的空间化；S2获取作物类型分布图和待测农作物纯度百分比图；S3获...
- 黄健熙田丽燕马鸿元苏伟陈英义刘峻明张晓东朱德海张超
- 一种基于尺度转换和数据同化的农作物产量估测方法
- 本发明属于农业遥感领域，具体涉及一种基于尺度转换和数据同化的农作物产量估测方法及其指导农作物生产中的应用，具体步骤如下：S1收集参数完成WOFOST作物模型的空间化；S2获取作物类型分布图和待测农作物纯度百分比图；S3获...
- 黄健熙田丽燕马鸿元苏伟陈英义刘峻明张晓东朱德海张超
- 文献传递
- 基于时间序列LAI和ET同化的冬小麦遥感估产方法比较被引量：25
- 2015年
- 为了评估同化时间序列叶面积指数(leaf area index,LAI)和蒸散发(evapotranspiration,ET)产品对冬小麦产量估测的有效性和适用性,该文选择陕西省关中平原冬小麦为研究对象,以SWAP为作物生长动态模型,利用冬小麦关键生育期的遥感观测和SWAP模拟LAI、ET趋势变化信息构建代价函数,以SCE-UA作为优化算法最小化代价函数,重新初始化SWAP模型中的出苗日期和灌溉量2个参数。重点比较了基于向量夹角和一阶差分2种代价函数的冬小麦单产估测精度。结果表明,同化MODIS LAI和ET后,冬小麦产量的估测精度比未同化精度(r=0.57,RMSE=1 192 kg/hm2)有显著提高,并且基于向量夹角代价函数法同化策略的单产估测精度(r=0.75,RMSE=494 kg/hm2)高于一阶差分代价函数法(r=0.73,RMSE=667 kg/hm2)的估测精度。该方法为其他区域的水分胁迫模式下遥感与作物模型双变量数据同化提供了参考。
- 黄健熙马鸿元田丽燕王鹏新刘峻明
- 关键词：向量夹角数据同化
- 顺序同化不同时空分辨率LAI的冬小麦估产对比研究被引量：38
- 2015年
- 选择PyWOFOST模型为动态模型,以叶面积指数(LAI)为状态变量,遥感LAI为观测值,采用集合卡尔曼滤波(En KF)同化算法,研发了一种遥感LAI与作物模型同化的区域冬小麦产量估测系统。为消除云的污染,采用Savitzky-Golay(S-G)滤波算法重构时间序列MODIS LAI;通过构建地面观测LAI与3个关键物候期Landsat TM植被指数回归统计模型,获得区域TM LAI;通过融合3个关键物候期的TM LAI与时间序列S-G MODIS LAI,生成尺度转换LAI。对比分析3种不同时空分辨率的遥感LAI的同化精度,研究结果表明,同化尺度转换LAI获得了最高的同化精度,与官方县域统计产量相比,在潜在模式下,决定系数由同化前的0.24提高到0.47,均方根误差由602kg/hm2下降到478 kg/hm2。结果表明,遥感观测与作物模型的尺度调整对提高冬小麦同化模型精度具有重要作用,遥感LAI与作物模型的En KF同化方法是一种有效的区域作物产量估测方法。
- 黄健熙李昕璐刘帝佑马鸿元田丽燕苏伟
- 关键词：叶面积指数集合卡尔曼滤波数据同化
