，T_D 为 1 月 1 日起的天数，也可从天文年历中查出 )；ω为时角，当太阳在子午面时（正午）为 0，一日之中变化为 2π；φ为地理纬度。当日出日落时，h=0，即可获得日出日落时间。其差即为日照时数 hd。若考虑日晴朗系数，则 h₁= 晴朗系数×h_d。

　　(4) 透过率 m 求算　取 m=0.025^[11]。

　　(5)k 的求算　k 为作物群体消光系数，本文取拔节前 k=0.28，拔节后
k=0.35^[12]。

　　(6) 反射率 r 的求算　叶片反射率由实测值获得，一般取 r=0.05^[11]。

　　LAI 求算　冬小麦 LAI 的求算方法为^[13]：

　　LAI=k^-1·ln(1-f_c)^-1 (11)

式 (11) 中 f_c 为作物覆盖度^[13]，求取见式 (12)。　　

式 (12) 中，NDVI_min 和 NDVI_max 分别对应植被覆盖为 5% 和 98% 时的 NDVI，本文分别确定为 -0.001 和 0.5^[14]。　　

2 由 RSPCYM 模型对作物产量的估算

2.1 RSPCYM模型对作物产量的估算

　　以华北平原地区冬小麦产区为研究典型区，选取 NOAA14 卫星的 9 块 AVHRR 图像拼接成图，再在拼接图中选取范围为经度 113～118°，纬度 37～42°的区域。分别选取冬小麦监测各生育期代表 4 种生育期（返青至拔节期、拔节至抽穗期、开花期、成熟期）的 4d 的 NOAA/AVHRR 值中的 CH₁、CH₂、CH₄、CH₅ 个通道的数据，部分参数经由气象资料得到。则依式 (9) 求 P_n1、P_n2、P_n3、P_n4，选取冬小麦监测各生育期的 NOAA/AVHRR 值中的 CH₁、CH₂ 通道的数据，求各生育期的 LAI，与各生育期持续时间求积，得到叶光合同化势（CPAP0，利用叶光合同化势与各生育期的光合速率求积，而后进行积分，即得到整个生育期的作物总第一性生产力 (GPP)；GPP 与作物 f(ξ) 的相乘，即得作物的产量 (YC)。其中 GPP 为：

2.2 RSPCYM模型与 Y₁ 模型估算结果的比较

　　选择 RSPCYM 模型的 10 个样点与利用 Y1 模型^[15]（被 FAO 采用，证明是该区域估测作物产量精度较高的模型 ) 计算的该区域 10 个样点进行样点散点比较
（图 2），图 2 表示了 RSPCYM 和 Y1 模型在典型区冬小麦产量估算的散点比较，点的离散程度较小。表明模型对估测冬小麦光合产量有可比的精度。

图 2 RSPCYM与 Y₁ 模型在典型区冬小麦产量计算的散点比较
Fig.2 Comparing the result of monitored crop yield using RSPCYM and Y₁ model

3 结语

　　(1) 农作物定量分析和估产研究其精度有待进一步提高。而完善应用模型，探讨机理性更强的依赖地学、生物学规律的模型应是研究的一个重点，这对于目前高时间分辨率和相对低的空间分辨率的 NOAA-AVHRR 数据来说，提高其应用精度，用于作物估产和地表植被第一性生产力的研究是十分重要的。

　　(2) 遥感反演的信息具有综合反映作物的群体特性结构特性，进而反映作物个体的光合差异。本文围绕建立生物量机理模型研究，抓住反映作物生物量机理特性的生育期特性、光合特性等，并以遥感信息所反映的生物生长参数为主要模型参数，建立反映遥感—光合生物量估测机理模型，强化机理性。

　　(3) 本文在区域范围内建立的作物遥感—光合生物量估测模型，可对陆地生态系统第一性生产力和海洋生物量的研究，以及为作物估产的精度提高提供可资借鉴的方法。本文只是初步建立了遥感—光合估测作物产量的机理模型，由于该领域涉及的研究学科众多，本文所建立的模型仍需进一步改进和完善，以利于更好地用于农田生态系统的生物量研究和作物估产的应用。

参考文献

上一页  [1] [2] [3]