基于EPIC模型的冬小麦生长模拟参数全局敏感性分析

模型参数的敏感性分析是模型本地化、区域化过程中不可或缺的重要环节。局部敏感性分析忽略了参数间的相互耦合作用对模型结果的间接影响,从而导致敏感参数选取具有一定的片面性。该研究以河北衡水冬小麦试验区为研究区,使用全局敏感性分析方法分析EPIC模型在冬小麦产量模拟中的敏感参数。研究表明:收获指数(HI)、生长季峰值点(DLAI)、潜在热量单位(PHU)、最大作物高度(HMX)是影响模型本地化最为关键的参数(总敏感指数〉0.1);作物的播种日期、收获日期及种植密度是影响区域尺度的作物产量估计最为敏感参数(总敏感指数〉0.1)。研究同时表明全局敏感性分析方法可用于作物生长模型本地化、区域化研究,且优于传...

Full description

Saved in:
Bibliographic Details
Published inNong ye gong cheng xue bao Vol. 25; no. 7; pp. 136 - 142
Main Author 吴锦 余福水 陈仲新 陈晋
Format Journal Article
LanguageChinese
Published 环境演变与自然灾害教育部重点实验室,北京师范大学资源学院,北京,100875%农业部资源遥感与数字农业重点开放实验室,北京,100081 2009
Subjects
Online AccessGet full text
ISSN1002-6819
DOI10.3969/j.issn.1002-6819.2009.07.025

Cover

More Information
Summary:模型参数的敏感性分析是模型本地化、区域化过程中不可或缺的重要环节。局部敏感性分析忽略了参数间的相互耦合作用对模型结果的间接影响,从而导致敏感参数选取具有一定的片面性。该研究以河北衡水冬小麦试验区为研究区,使用全局敏感性分析方法分析EPIC模型在冬小麦产量模拟中的敏感参数。研究表明:收获指数(HI)、生长季峰值点(DLAI)、潜在热量单位(PHU)、最大作物高度(HMX)是影响模型本地化最为关键的参数(总敏感指数〉0.1);作物的播种日期、收获日期及种植密度是影响区域尺度的作物产量估计最为敏感参数(总敏感指数〉0.1)。研究同时表明全局敏感性分析方法可用于作物生长模型本地化、区域化研究,且优于传统局部敏感性分析方法。
Bibliography:S165.27
EPIC model; growth; crops; model localization; regionalization; global sensitivity analysis
11-2047/S
EPIC model
growth
crops
model localization
global sensitivity analysis
regionalization
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2009.07.025