基于Google Earth Engine和作物模型快速评估低温冷害对大豆生产的影响   总被引：1，自引：0，他引：1  

曹娟  张朝  张亮亮  骆玉川  李子悦  陶福禄 《地理学报》2020,75(9):1879-1892

作为中国商品粮的主要生产基地,东北地区频发的低温冷害给中国粮食安全带来了严重的影响,及时、准确和大范围评估低温冷害灾损是降低损失、快速恢复生产的重要前提。本文以鄂伦春为例,提出了一种快速评估低温冷害对大豆生产影响的新方法。首先诊断出该地区典型冷害事件发生的年份为1989年、1995年、2003年、2009年和2018年;然后基于本地化后CROPGRO-Soybean模型设置512组低温冷害和田间管理组合模拟情景;其次构建了1600组包括3个变量（有效积温距平值（CDD）、模拟的叶面积植被指数（LAI）和产量）的冷害脆弱性模型;最后依托Google Earth Engine（GEE）平台逐像元提取大豆关键生育期早晚窗口内最大的宽动态植被指数（WDRVI）及对应的日期（DOY）,将WDRVI转化为大豆种植格点的实际LAI,结合构建的冷害脆弱性模型逐像元计算出产量和减产率。主要发现如下：① 校准后的CROPGRO-Soybean模型能较为准确地模拟不同冷害情景下的大豆生长发育过程;② 大豆遭受全生育期的降温情景（1~3 ℃）的减产幅度比局部降温情景（4个生育期随机生成连续5日温度为0 ℃）的减产幅度大;③ 历史冷害年1989年、1995年、2003年、2009年平均减产率约为9.6%、29.8%、50.5%和15.7%,与实际6.4%、39.2%、47.7%和13.2%的减产率相比,冷害灾损评估结果具有较好的精度且误差均在一倍方差以内;④ 运用该方法评估2018年冷害田间尺度的产量损失,并利用Sentinel-2A影像进行10 m高精度制图。结果显示,该方法能够快速、准确地评估不同尺度的低温冷害灾损情况,为作物估产以及农作物灾害损失评估的业务化运行提供了新的思路。  相似文献   

Damage evaluation of soybean chilling injury based on Google Earth Engine (GEE) and crop modelling     

Cao  Juan  Zhang  Zhao  Zhang  Liangliang  Luo  Yuchuan  Li  Ziyue  Tao  Fulu 《地理学报(英文版)》2020,30(8):1249-1265

Journal of Geographical Sciences - Frequent chilling injury has serious impacts on national food security and in northeastern China heavily affects grain yields. Timely and accurate measures are...  相似文献