论文部分内容阅读
本文以LAI作为结合点,讨论了利用复合型混合演化(SCE_UA)算法实现CERES_W heat模型与遥感数据同化的可行性。CERES_W heat模型同化后主要生育期和产量的模拟值分别与真实条件下模型相应模拟值以及实测值进行比较。结果表明,同化后CERES_W heat模型的模拟精度对LAI外部同化数据的误差并不十分敏感。并且在LAI同化数据较少时,也可获得较好的同化结果。这一特点体现了SCE_UA算法应用于同化过程的优越性,为同化策略在区域冬小麦长势监测及估产中的应用提供了基础。