کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8879011 1624432 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A review of data assimilation of remote sensing and crop models
ترجمه فارسی عنوان
بازبینی داده های سنجش از دور و مدل های
کلمات کلیدی
مدل های محصول، سنجش از دور، متغیرهای حالت سایبان، تسریع داده ها، بازده،
ترجمه چکیده
برآورد دقیق و دقیق از عملکرد محصول قبل از برداشت به منظور ارزیابی تصمیم گیری های مدیریتی در مقیاس منطقه ای، برای سیاست های ملی و ارزیابی امنیت غذایی ضروری است. تغییر پویا از رشد محصول کمک زیادی می کند زیرا به محقق اجازه می دهد تا استراتژی های مدیریت محصول را برای حداکثر رساندن عملکرد محصول تعیین کند. سنجش از دور برای اطلاعات در مورد متغیرهای مهم کانوپی برای مدل های محصول مناطق بزرگ استفاده می شود. مدل های محصول و روش های سنجش از دور در برآورد عملکرد محصول در سطح منطقه ای و یا در سراسر جهان بر اساس توسعه همزمان مدل های محصول و سنجش از دور به کار گرفته شده است. بسیاری از مطالعات مدل هایی را برای برآورد متغیرهای حالت کانوپی و خواص خاک براساس داده های سنجش از دور ارائه کرده اند و این متغیرهای وضعیت کانوپی تخمین زده شده را به مدل های محصول تقسیم می کنند. این مقاله، در ابتدا، پیشرفت های اخیر مدل های محصول، تکنولوژی سنجش از دور و روش های جذب داده را خلاصه می کند. ثانیا، مزایا و معایب روش های مختلف به دست آوردن داده ها (روش کالیبراسیون، روش تحریک و روش به روز رسانی) را برای به دست آوردن داده های سنجش از دور به مدل های محصول مقایسه می کند و تاثیرات منابع خطای مختلف را در قسمت های مختلف زنجیره جذب داده ها در تحلیل می کند. جزئیات در نهایت، این روش برخی از روش هایی را که می تواند برای کاهش اشتباهات مختلف از جذب داده ها مورد استفاده قرار گیرد، ارائه می دهد و فرصت های بیشتری را جهت دستیابی به تحول داده ها برای مطالعات آینده ارائه می دهد. این مقاله یک مرور کلی از معرفی مقدماتی، آخرین تحولات و برنامه های کاربردی مدل های محصول، تکنیک های سنجش از راه دور و روش های جذب داده در نظارت وضعیت رشد و برآورد عملکرد محصولات کشاورزی را ارائه می دهد. به طور خاص، آن را در مورد تاثیرات منابع خطا مختلف در بخش های مختلف زنجیره جذب داده ها در جزئیات بحث و تجزیه و تحلیل چگونه کاهش خطاهای مختلف زنجیره جذب داده ها. این ادبیات نشان می دهد که بسیاری از سنسورهای جدید ماهواره ای و روش های ارزشمند برای بازیابی متغیرهای حالت کانوپی و خواص خاک از داده های سنجش از دور برای به دست آوردن متغیر های بازیابی شده به مدل های محصول طراحی شده است. علاوه بر این، مدل های جدید پیشنهاد شده یا اصلاح شده برای بهبود وضعیت متغیرهای حالت سایبان و ویژگی های خاک مدل های محصول گزارش شده است. به طور خلاصه، به دست آوردن داده های سنجش از دور و مدل های محصول، بالقوه برای بهبود دقت برآورد متغیرهای وضعیت طناب، خواص خاک و عملکرد بر اساس این فن آوری ها و روش های جدید در آینده است.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم زراعت و اصلاح نباتات
پیش نمایش مقاله
بازبینی داده های سنجش از دور و مدل های
چکیده انگلیسی
Timely and accurate estimation of crop yield before harvest to allow crop yields management decision-making at a regional scale is crucial for national food policy and security assessments. Modeling dynamic change of crop growth is of great help because it allows researchers to determine crop management strategies for maximizing crop yield. Remote sensing is often used to provide information about important canopy state variables for crop models of large regions. Crop models and remote sensing techniques have been combined and applied in crop yield estimation on a regional scale or worldwide based on the simultaneous development of crop models and remote sensing. Many studies have proposed models for estimating canopy state variables and soil properties based on remote sensing data and assimilating these estimated canopy state variables into crop models. This paper, firstly, summarizes recent developments of crop models, remote sensing technology, and data assimilation methods. Secondly, it compares the advantages and disadvantages of different data assimilation methods (calibration method, forcing method, and updating method) for assimilating remote sensing data into crop models and analyzes the impacts of different error sources on the different parts of the data assimilation chain in detail. Finally, it provides some methods that can be used to reduce the different errors of data assimilation and presents further opportunities and development direction of data assimilation for future studies. This paper presents a detailed overview of the comparative introduction, latest developments and applications of crop models, remote sensing techniques, and data assimilation methods in the growth status monitoring and yield estimation of crops. In particular, it discusses the impacts of different error sources on the different portions of the data assimilation chain in detail and analyzes how to reduce the different errors of data assimilation chain. The literature shows that many new satellite sensors and valuable methods have been developed for the retrieval of canopy state variables and soil properties from remote sensing data for assimilating the retrieved variables into crop models. Additionally, new proposed or modified crop models have been reported for improving the simulated canopy state variables and soil properties of crop models. In short, the data assimilation of remote sensing and crop models have the potential to improve the estimation accuracy of canopy state variables, soil properties and yield based on these new technologies and methods in the future.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Agronomy - Volume 92, January 2018, Pages 141-152
نویسندگان
, , , , , , ,