观测不确定性对作物生长模拟的影响及量化方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51909004
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0902.农业水利与农村水利
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Crop growth simulation based on field observations is an important tool for digital and modernized agriculture research. However, there is some uncertainty in the field observations, and their effects on crop model simulation still remains unknown due to lack of effective theory and methods, which is definitely hindering the model application in localization and regionalization. In this project, field experiments are designed to deeply analyze sources of uncertainty in observations, to quantify characteristics of observation uncertainties and its impact factors. This project aims to construct criteria of quality control for field observations and propose an valid way to decrease the observation uncertainty in field experiments. Based on the field observations, another objective of this project is to explore the effects of different type observation uncertainties on parameter estimation, parameter posteriori distribution, and simulated state variables in the crop model. Thus, we can reveal the propagation mechanism of observation uncertainties in the crop model. With a consideration of crop model uncertainties, different calibration schemes and parameter estimation algorithms are combined to compare simulation accuracy, and a new approach is expected to proposed for model calibration and uncertainty quantification under an uncertain conditions, to further improve model performance in crop growth simulations and accelerate innovative applications of crop models in the future.
基于田间观测数据的作物生长模拟是数字农业和现代化农业研究的重要技术手段。但观测数据本身存在一定的不确定性,由于缺乏有效的理论和方法研究,观测不确定性对作物生长模拟的影响目前尚不清楚,且已经成为作物模型本地化、区域化应用的阻碍之一。本项目通过田间试验深入剖析田间观测数据不确定性的主要来源,定量描述不同类别观测数据的不确定性特征及其主要影响因素,以此构建观测数据的质量控制标准,提出减小观测数据不确定性的有效方法;在田间试验的基础上,通过制定数值模拟方案,探讨作物模型参数求解、参数后验分布、模拟状态变量与不同类别观测数据不确定性的响应关系,揭示观测不确定性在作物模型中的传递机制;同时考虑模型的不确定性因素,对比分析不同模型率定方案及参数估计方法对模型模拟精度的影响,提出不确定性条件下作物模型率定及不确定性量化的新方法,改善作物模型的模拟效果,从而促进作物模型的创新应用。

结项摘要

基于田间观测数据的作物生长模拟是数字农业和现代化农业研究的重要技术手段。观测数据的不确定性及其对作物生长模拟的影响已经成为作物模型本地化、区域化应用的阻碍之一。本项目开展了两年早、晚稻田间试验,分析了不同类别观测数据的不确定性;并在此基础基于ORYZA_V3水稻生长模型的系列数值模拟研究,针对模型中的作物参数和水分胁迫参数进行了系统的敏感性和不确定性分析;运用率定验证之后的模型,开展了南方稻田水氮耦合机制研究。项目取得了如下主要研究成果:.(1)明确了田间观测数据不确定性的主要来源,定量描述了不同类别观测数据的不确定性特征及其主要影响因素,并提出了减小观测数据不确定性的有效方法;.(2)探讨了作物模型参数求解、参数后验分布、模拟状态变量与不同类别观测数据不确定性的响应关系,揭示了观测不确定性在作物模型中的传递机制;.(3)同时考虑模型的不确定性因素,通过对比分析不同模型率定方案及参数估计方法对模型模拟精度的影响,提出了不确定性条件下作物模型率定及不确定性量化方法;.(4)以节水、增产、减排、增效为目标,提出了中国南方典型稻作区适宜的水肥管理策略;.(5)发表SCI期刊论文3篇、国内中文EI期刊论文1篇;投稿论文1篇,申请发明专利1项;.(6)培养青年科研骨干1名、硕士研究生2名。.相关研究成果有效改善了作物模型的模拟精度,促进了作物模型的本地化创新应用。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
中国不同水稻生长环境下ORYZA(v3)模型参数全局敏感性分析
  • DOI:
    10.11975/j.issn.1002-6819.2020.20.018
  • 发表时间:
    2020
  • 期刊:
    农业工程学报
  • 影响因子:
    --
  • 作者:
    谭君位;崔远来;汪文超
  • 通讯作者:
    汪文超
Global sensitivity analysis and uncertainty analysis for drought stress parameters in the ORYZA (v3) model
ORYZA (v3) 模型中干旱胁迫参数的全局敏感性分析和不确定性分析
  • DOI:
    10.1002/agj2.20580
  • 发表时间:
    2021-03
  • 期刊:
    Agronomy Journal
  • 影响因子:
    2.1
  • 作者:
    Junwei Tan;Bo Liu;Shujun Zhao;Yuanlai Cui;Yufeng Luo
  • 通讯作者:
    Yufeng Luo

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码