Regional crop yield forecasting using probalistic crop growth modelling and remote sensing data assimilation

A.J.W. de Wit

Regional crop yield forecasting using probalistic crop growth modelling and remote sensing data assimilation

Research output: Thesis › internal PhD, WU

Abstract

Een belangrijk onderdeel van het MARS oogstvoorspellingssysteem is het zogenaamde CGMS (crop growth monitoring system). CGMS gebruikt een gewasgroeimodel om het effect van bodem, weer en teeltmaatregelen op de groei van het gewas te bepalen. Hiervoor worden relevante gegevens verzameld over Europa. Op basis van deze gegevens simuleert het model WOFOST de gewasgroei. In dit proefschrift wordt op praktische en theoretische gronden beargumenteerd dat de onzekerheid in het weer de bepalende factor is voor onzekerheid in de WOFOST simulaties. Dit komt omdat de weersgegevens afkomstig zijn van een beperkt aantal weerstations over Europa en met deze reeks is het niet mogelijk om de daadwerkelijke ruimtelijke en temporele variabiliteit in het weer te beschrijven

Original language	English
Qualification	Doctor of Philosophy
Awarding Institution	Wageningen University
Supervisors/Advisors	Schaepman, Michael, Promotor Torfs, Paul, Co-promotor de Bruin, Sytze, Co-promotor
Award date	19 Oct 2007
Place of Publication	[S.l.]
Print ISBNs	9789085047094
Publication status	Published - 2007

Keywords

crop yield
yield forecasting
remote sensing
crops
growth
weather
models
crop growth models

Access to Document

https://edepot.wur.nl/18265

Cite this

@phdthesis{72e7cb652fac46cb91f176952c42ab1d,

title = "Regional crop yield forecasting using probalistic crop growth modelling and remote sensing data assimilation",

abstract = "Een belangrijk onderdeel van het MARS oogstvoorspellingssysteem is het zogenaamde CGMS (crop growth monitoring system). CGMS gebruikt een gewasgroeimodel om het effect van bodem, weer en teeltmaatregelen op de groei van het gewas te bepalen. Hiervoor worden relevante gegevens verzameld over Europa. Op basis van deze gegevens simuleert het model WOFOST de gewasgroei. In dit proefschrift wordt op praktische en theoretische gronden beargumenteerd dat de onzekerheid in het weer de bepalende factor is voor onzekerheid in de WOFOST simulaties. Dit komt omdat de weersgegevens afkomstig zijn van een beperkt aantal weerstations over Europa en met deze reeks is het niet mogelijk om de daadwerkelijke ruimtelijke en temporele variabiliteit in het weer te beschrijven",

keywords = "gewasopbrengst, oogstvoorspelling, remote sensing, gewassen, groei, weer, modellen, gewasgroeimodellen, crop yield, yield forecasting, remote sensing, crops, growth, weather, models, crop growth models",

author = "{de Wit}, A.J.W.",

note = "WU thesis, no. 4276",

year = "2007",

language = "English",

isbn = "9789085047094",

school = "Wageningen University",

}

TY - THES

T1 - Regional crop yield forecasting using probalistic crop growth modelling and remote sensing data assimilation

AU - de Wit, A.J.W.

N1 - WU thesis, no. 4276

PY - 2007

Y1 - 2007

N2 - Een belangrijk onderdeel van het MARS oogstvoorspellingssysteem is het zogenaamde CGMS (crop growth monitoring system). CGMS gebruikt een gewasgroeimodel om het effect van bodem, weer en teeltmaatregelen op de groei van het gewas te bepalen. Hiervoor worden relevante gegevens verzameld over Europa. Op basis van deze gegevens simuleert het model WOFOST de gewasgroei. In dit proefschrift wordt op praktische en theoretische gronden beargumenteerd dat de onzekerheid in het weer de bepalende factor is voor onzekerheid in de WOFOST simulaties. Dit komt omdat de weersgegevens afkomstig zijn van een beperkt aantal weerstations over Europa en met deze reeks is het niet mogelijk om de daadwerkelijke ruimtelijke en temporele variabiliteit in het weer te beschrijven

AB - Een belangrijk onderdeel van het MARS oogstvoorspellingssysteem is het zogenaamde CGMS (crop growth monitoring system). CGMS gebruikt een gewasgroeimodel om het effect van bodem, weer en teeltmaatregelen op de groei van het gewas te bepalen. Hiervoor worden relevante gegevens verzameld over Europa. Op basis van deze gegevens simuleert het model WOFOST de gewasgroei. In dit proefschrift wordt op praktische en theoretische gronden beargumenteerd dat de onzekerheid in het weer de bepalende factor is voor onzekerheid in de WOFOST simulaties. Dit komt omdat de weersgegevens afkomstig zijn van een beperkt aantal weerstations over Europa en met deze reeks is het niet mogelijk om de daadwerkelijke ruimtelijke en temporele variabiliteit in het weer te beschrijven

KW - gewasopbrengst

KW - oogstvoorspelling

KW - remote sensing

KW - gewassen

KW - groei

KW - weer

KW - modellen

KW - gewasgroeimodellen

KW - crop yield

KW - yield forecasting

KW - remote sensing

KW - crops

KW - growth

KW - weather

KW - models

KW - crop growth models

M3 - internal PhD, WU

SN - 9789085047094

CY - [S.l.]

ER -