Linear correction of model-based crop biomass simulations using intermediate field observations

• Autorzy: Delecolle R , Kuchar L

Warianty tytułu

PL

Liniowa korelacja modelu dynamicznego plonu biomasy w oparciu o wyniki symulacyjne i obserwacje polowe

• Języki publikacji: EN

Abstrakty

EN

A method of linear correction of above-ground dry matter values, simulated by AFRCWHEAT, a mechanistic model of wheat crop, is described. It uses values of dry matter and green leaf area index observed at previous crop stages. Correction of current simulation is based upon the differences between observed and simulated values of each or both variables for previous stages. The method is tested on three wheat datasets obtained from two locations in France: Avignon and Mons, with various genotypes, sowing dates and crop conditions. A validation test using a cross validation method shows that the mean square error can be reduced down to 12 % of model error, depending on time stage and predictors. This method can be used to improve the prediction of final yield by plant process models, using remotely sensed information.

PL

W pracy przedstawiono metodę liniowych korekcji wartości suchej masy pszenicy, symulowanej przy pomocy modelu AFRCWHEAT, w oparciu o obserwacje polowe. Metoda istotnie wykorzystuje wartości suchej masy (drm) oraz powierzchni zielonej roślin (GAI) obserwowanych we wcześniejszych fazach bieżącej wegetacji, analizowanych na tle danych wieloletnich. Metodę testowano na 3 zbiorach danych doświadczalnych pszenicy, otrzymanych dla dwóch stacji eksperymentalnych Instytutu I.N.R.A. (Mons - Północna Francja oraz Awinion - Południowa Francja) o zróżnicowanych warunkach klimatycznych, dla różnych odmian i agrotechniki. Testy weryfikacyjne (CV - LOO) wykazały znaczną redukcję błędu średniokwadratowego (nawet do 12% błędu modelu) w zależności od terminu wykonania korekcji oraz użytych zmiennych. W pracy zawarto również sugestie wykorzystania obserwacji satelitarnych.

Słowa kluczowe

PL

wyniki symulacyjne; metoda liniowych korelacji wartosci; plony; badania polowe; sucha masa; biomasa; pszenica

• Wydawca: -
• Czasopismo: Zeszyty Problemowe Postępów Nauk Rolniczych
• Rocznik: 1992
• Tom: 398
• Opis fizyczny: s.19-25,tab.,bibliogr.

Twórcy

autor

Delecolle R

• Station de Bioclimatologie, INRA, F-84143 Montfavet, France

autor

Kuchar L

• Faculty of Land Reclamation and Improvement, Agricultural University, 50-357 Wrocław

Bibliografia

• 1. Baret F.: Vegetation canopy reflectance: factors of variation and application for agriculture. In: ‘Remote Sensing and Geographical Information Systems for Resource Management in Developing Countries’. ECSC, EEC, EAEC, Brussels and Luxembourg, 1991.
• 2. Delecolle R., Guerif M.: Introducing spectral data into a plant process model for improving its prediction ability. 4th Int. Coll. ‘Spectral Signatures of Objects in Remote Sensing’, Aussois (France), 1988.
• 3. Faivre R., Goffinet B., Wallach D.: Utilisation de donnees intermediaires pour corriger la prediction de modeles mecanistes. Biometrics, 47,1-12,1988.
• 4. Hodges T., Botner D., Sakamoto C., Hays Haug J.: Using the CERES-Maize model to estimate production for the US Combelt., Agric. For. Meteorol., 40, 293-303, 1987.
• 5. Kanemasu E.T., Asrar G., Fuchs M.: Application of remotely sensed data in wheat growth modelling. In: Wheat Growth and Modelling (eds. W. Day, R. K. Arkin) Plenum Press, New York, NATO ASI, Series A, 357-369,1985.
• 6. Kuchar L.: The exponential polynomial model (EPM) of yield forecasting for spring wheat based on meteorological factors and phenophase. Agric. For. Meteorol., 46: 339-348.
• 7. Maas S.J.: Using satellite data to improve model estimates of crop yield. Agron. J. 80, 655-662, 1988.
• 8. Porter J.R.: A model of canopy development in winter wheat, J. Agric. Sci. Cambridge, 102, 383- 392,1984.
• 9. Rao C.R.: Linear Statistical Inference and its Application. Wiley, New York-London, 1973.
• 10. Rao C.R.: Prediction of future observations in growth curve models. Stat Sci., 2(4), 434-471, 1987.
• 11. Swaney D.P., Jones J.W., Mishoe J. Baker F.: A combined simulation-optimization approach for predicting crop yields. Agric. Syst., 20, 133-157, 1986.
• 12. Weir A.H., Bragg P.L., Porter J.R., Rayner J.H.: A winter wheat crop simulation model without water or nutrient limitations. J. Agric. Sci. Cambridge, 102,371-382,1984.
• 13. Williams J.R., Jones C.A, Kiniry J.R., Spanel D.A.; The EPIC crop growth model, Trans. ASAE, 32, 497-511, 1989.