作物模型与遥感反演值同化建模的程序化实现

专题一遥感基础理论知识

专题二作物长势监测与产量估算国内外研究进展

专题三 Fortran编程语言

专题四作物参数遥感反演基本原理

专题五 PROSAIL模型

专题六参数敏感性分析

专题七遥感反演过程中的代价函数求解问题

专题八基于查找表方法+PROSAIL模型的作物参数遥感反演

专题九基于优化算法+PROSAIL模型的作物参数遥感反演

专题十作物模型程序化表达与运行

专题十一作物模型与遥感数据同化建模原理

专题十二作物模型与遥感反演值同化建模的程序化实现（第一种方式）

专题十三作物模型与遥感反射率同化建模的程序化实现（第二种方式）

更多应用

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，本教程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。

本次教程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。

专题一遥感基础理论知识

●遥感平台（如无人机）与传感器、国内外主要陆地卫星（如Landsat、SPOT、HJ、GF）
●遥感基本原理、光谱响应函数、遥感数据处理流程
●遥感在陆地生态系统监测方面的应用

专题二作物长势监测与产量估算国内外研究进展

●国内外研究综述
●研究实例分析

专题三 Fortran编程语言

●软件安装（使用xp/win7/win8/win10专业版笔记本）
●工程文件建立、基本语法操作

专题四作物参数遥感反演基本原理

●遥感反演作物参数类型
●生化组分（叶绿素、氮、干物质、叶片水分含量、花青素）
●生物物理参数（LAI、LAD、株高、生物量）
●生理生态参数（FPAR、ET）
●作物参数遥感反演模型
●经验模型：线性模型、指数模型、对数模型
●物理模型
辐射传输模型
几何光学模型
混合模型
计算机模拟模型
●不同方法对比分析

专题五 PROSAIL模型

●输入参数：LAI/LAD/叶绿素/花青素/干物质/类胡萝卜素/水分含量/…
●输出参数：植被冠层反射率

●以FORTRAN代码为例上机操作反射率模拟流程
●模拟叶片反射率与透射率
●模拟植被冠层400-2500 nm高光谱反射率曲线
●模拟Landsat OLI、MODIS等遥感传感器多光谱反射率数据

专题六参数敏感性分析

●待优化参数选择
●局部敏感性分析
●全局敏感性分析
EFAST敏感性分析方法介绍
SIMLAB软件操作流程

●PROSAIL模型参数全局敏感性分析

模型参数在高光谱波段（400-2500nm）处的敏感性

模型参数在Landsat OLI传感器多光谱波段处的敏感性

专题七遥感反演过程中的代价函数求解问题

●代价函数构建反演方式、反演参数、“病态”问题、先验知识、函数极值问题
●反演算法介绍优化技术、查找表、神经网络、模拟退火
应用案例分析

专题八基于查找表方法+PROSAIL模型的作物参数遥感反演

●查找表原理
●查找表实现
●基于查找表和PROSAIL模型的作物参数遥感反演

专题九基于优化算法+PROSAIL模型的作物参数遥感反演

●代价/目标函数极值求解
●测试函数极值求解
●优化算法求解PROSAIL模型参数
●待求解作物参数最优值提取

专题十作物模型程序化表达与运行

●模型分类经验模型、半机理模型、机理模型
●模型选取原则
●模型调试
●模型标定
●模型对比分析
●应用案例分析
●模型运行（以DSSAT作物模型为例、FORTRAN源码）
时间序列植被参数（如叶面积指数）演化模拟
作物参数（如LAI）时间序列变化及产量模拟过程

专题十一作物模型与遥感数据同化建模原理

●作物模型与遥感观测耦合的必要性
作物模型优缺点、遥感观测优缺点、耦合必要性
●耦合方法驱动法、原理、程序实现过程、应用实例
●数据同化方法
发展历程、数据同化算法介绍

四维变分序贯同化

●方法对比分析
●作物模型参数敏感性分析
待优化参数选择
局部敏感性分析
全局敏感性分析
●作物模型与遥感数据同化
同化遥感反演结果（如LAI遥感产品）
同化遥感观测反射率

专题十二作物模型与遥感反演值同化建模的程序化实现（第一种方式）

作物模型与遥感反演值同化建模框架

●Fortrtan操作平台
●遥感反演结果（如叶面积指数）
●作物模型
●变分算法
●代价函数构建
●迭代求解
●输出：作物关键参数时间序列变化、产量估算结果、区域制图

专题十三作物模型与遥感反射率同化建模的程序化实现（第二种方式）

作物模型与遥感反射率同化建模框架

●Fortrtan操作平台
●遥感观测反射率
●作物模型
●植被冠层反射率模型 PROSAIL前向模型反射率模拟
●耦合模型构建（作物模型+冠层反射率模型）
●变分算法
●代价函数构建
●迭代求解
●输出：作物关键参数时间序列变化、产量估算结果、区域制图

更多应用

DSSAT模型建模方法、Python+DSSAT快速批量运行及交叉融合、扩展_WangYan2022的博客-CSDN博客实践部分从DSSAT模型算法和模型软件两个方面熟悉掌握DSSAT模型的使用。进阶部分学习如何利用Python程序语言来快速使用DSSAT模型，让大家不需要使用界面操作就可以快速批量运行DSSAT模型，方便各个领域可以更好地交叉融合、扩展应用。..._dssathttps://blog.csdn.net/WangYan2022/article/details/125670979?spm=1001.2014.3001.5502DNDC模型在土地利用变化、未来气候变化下的建模方法及温室气体时空动态模拟-CSDN博客DNDC是目前国际上最为成功的模拟生物地球化学循环的模型之一，自开发以来，经过不断完善和改进，从模拟简单的农田生态系统发展成为可以模拟几乎所有陆地生态系统的动态模拟模型。https://blog.csdn.net/WangYan2022/article/details/130634958?spm=1001.2014.3001.5502WOFOST模型与PCSE模型应用_WangYan2022的博客-CSDN博客使用WOFOST和PCSE这两个农业生产模型进行作物生长模拟，了解不同农作物的生长过程、对环境的响应以及如何进行模拟预测；使你深入了解作物的生长、发育和生态需求，包括光合作用、水分需求、营养吸收等；以帮助你在农业决策中更准确地评估不同因素的影响，如何根据气象、土壤和作物特性做出更明智的决策，例如何时种植、如何灌溉和施肥等https://blog.csdn.net/WangYan2022/article/details/132520904?spm=1001.2014.3001.5502APSIM模型参数优化批量模拟丨气象数据准备、物候发育和光合生产、物质分配与产量模拟、土壤水分平衡算法、土壤碳氮平衡模块、农田管理模块等_WangYan2022的博客-CSDN博客辅助提高作物模型工作者的APSIM模型使用技术，系统学习如何利用R语言来快速使用APSIM模型。精选大量作物模型应用案例，全程干货，让学员全面熟悉APSIM这一综合型农业生态系统模型，提高学员模型应用能力、数据分析和图表制作技能。https://blog.csdn.net/WangYan2022/article/details/132313710?spm=1001.2014.3001.5502