本书依托区域尺度夏玉米生长模拟与灌溉施肥制度优化的系列研究成果编写而成。全书系统梳理、阐述了四个方面的研究成果： ，基于田块尺度试验数据，分析不同水肥处理条件下作物模型参数的敏感性，并对模型进行校准和验证，以提高模拟精度；第二，利用遥感数据提取夏玉米种植区，并基于光学与微波遥感数据，采用机器学习方法估算叶面积指数，为作物模型同化提供高质量的输入数据；第三，结合数据同化方法，通过遥感数据优化作物模型的品种参数，并利用智能优化算法构建区域尺度的灌溉施肥管理策略；第四，基于空间聚类方法，探索区域尺度作物品种参数和播种日期的空间分布特征，并优化灌溉施肥制度，以提高水肥资源的利用效率。 ???????????????前言1 ?绪论 ?1.1 ?研究背景及意义 ?1.2 ??外研究进展 ???1.2.1 ?灌溉施肥制度研究进展 ???1.2.2 ?作物模型应用研究进展 ???1.2.3 ?作物模型参数敏感性分析研究进展 ???1.2.4 ?作物模型与遥感数据同化研究进展 ?1.3 ?存在的问题 ?1.4 ?研究内容 ?1.5 ?技术路线2 ?研究区概况与研究方法 ?2.1 ?研究区概况 ???2.1.1 ?研究区简况 ???2.1.2 ?气候特征 ???2.1.3 ?土壤特性 ???2.1.4 ?灌溉条件 ?2.2 ?试验方法 ???2.2.1 ?田块尺度试验 ???2.2.2 ?汾渭平原代表点观测和取样 ?2.3 ?DSSAT_CERES_Maize作物模型 ???2.3.1 ?CERES_Maize作物模型基本原理 ???2.3.2 ?CERES_Maize作物模型数据集 ?2.4 ?遥感数据获取与处理 ?2.5 ?数据处理工具与统计指标3 ?不同水肥处理条件下田块尺度作物模型参数敏感性分析与校准 ?3.1 ?作物模型参数敏感性分析 ???3.1.1 ?用于敏感性分析的作物模型输入参数和输出响应变量 ???3.1.2 ?EFAST方法原理与敏感性分析方法 ???3.1.3 ?作物模型参数对生长过程变量的敏感性 ???3.1.4 ?作物模型参数对产量和 生物量的敏感性 ???3.1.5 ?敏感参数集的确定 ?3.2 ?田块尺度作物模型的校准和验证 ???3.2.1 ?作物模型校准方法 ???3.2.2 ?作物模型校准结果 ???3.2.3 ?作物模型验证结果 ?3.3 ?研究结果的分析与讨论 ???3.3.1 ?作物模型参数对生长过程变量的敏感性 ???3.3.2 ?作物模型参数对产量和 生物量的敏感性 ???3.3.3 ?田块尺度作物模型校准和验证 ?3.4 ?本章小结4 ?基于遥感数据的夏玉米种植区提取和叶面积指数估算 ?4.1 ?基于光学遥感数据的区域夏玉米种植区提取 ???4.1.1 ?地面数据集获取 ???4.1.2 ?分类特征获取 ???4.1.3 ?随机森林分类器构建 ???4.1.4 ?夏玉米种植区提取结果 ?4.2 ?基于机器学习和微波遥感数据的区域夏玉米叶面积指数估算 ???4.2.1 ?后向散射信号与叶面积指数的相关性分析 ???4.2.2 ?基于支持向量回归构建叶面积指数估算模型