中文摘要：

以提高小麦产量监测预报精度为目的，运用遥感反演技术、作物模拟技术和计算机技术，依据遥感信息- - 生长模型- - 气候环境- - 长势与产量的系统关系，（1）选用ASTER、ALOS以及SPOT等中高分辨率遥感数据，使用数据校正与融合等方法，建立南方麦区田块尺度的遥感信息提取新模式和小麦光普特征数据库；（2）分析遥感影像光谱特征（或植被指数）与农学参数和生态环境因素间的关联性，明确影响小麦光谱特征的主要气候、环境因子。基于主要气候环境因子，筛选敏感植被指数，建立小麦农学参数（如LAI、生物量、植株氮素含量）遥感反演模型；综合分析主要农学参数与小麦长势间的动态关系，初步形成利用中高分辨率影像监测南方麦区小麦长势的模式；（3）在优化生长模型的基础上，建立小麦"遥感反演信息- - 作物生长模型"协同估产模型及其应用模式。最终达到，利用遥感反演信息和协同模型以及基础农情信息，可以在南方麦区进行小麦产量的监测预报。

结论摘要：

及时、准确、大范围对农作物产量进行监测预报，对于农业经济发展和粮食政策制定非常重要。卫星遥感以其快速、信息量大等优势，为解决上述问题提供了十分有效的手段。常用的遥感估产方法多为经验性的回归法，适用性弱，较难在不同区域、不同时间推广应用。利用作物生长模型进行长势与产量预测，具有较好的机理性和精确性。但在大范围应用时，一些“面上”数据如LAI、生物量等重要参数的获取需要花费较多成本。空间遥感数据具有及时性和广域性，它可为作物模型参数获取提供可靠的“面上”信息源。因此，将遥感信息与作物生长模型相结合进行作物长势监测与产量估测，不但可以弥补作物模型和遥感信息单独使用的不足，而且会使监测精度和应用范围得到很大程度的改善。主要研究内容（1）利用中高分辨率遥感数据，进行数据处理与信息解译研究，建立适合南方冬小麦种植面积信息提取的基本方法；（2）分析遥感影像光谱特征与农学参数间关联性，筛选敏感植被指数，建立冬小麦农学参数遥感反演模型，初步形成利用中高分辨率影像监测县域冬小麦长势的新模式；（3）研究冬小麦“遥感反演信息——作物生长模型”协同估产模型及其应用模式，形成运用卫星数据和协同估产模型进行冬小麦估产的基础理论和方法。按照项目实施方案，从遥感数据处理、长势指标监测和产量估测等方面进行系统化的科学探索，（1）开展影像融合、大气校正、去云雾处理、影像拼接等研究，形成了适合江淮区域冬小麦生长监测的遥感影像预处理基本方法；（2）进行基于植被指数阈值分类、面向对象分类、植被指数密度分割和种植面积提取适宜尺度等多种冬小麦识别与种植面积提取研究，形成了多元化的、可适用于不同县域冬小麦种植面积提取方法；（3）建立冬小麦叶面积指数和生物量遥感监测预报模型，形成利用中高分辨率影像监测县域冬小麦长势的新模式；（4）构建冬小麦“遥感反演信息——作物生长模型”协同估产模型，形成了冬小麦产量遥感估测的实用方法与理论基础，并将研究成果进行了示范应用。本研究重点解决了江淮区域冬小麦长势监测与产量估测的关键科学问题，在提升研究团队学术水平的同时，利用本研究建立的模型及应用方法，可以辅助县级农业部门了解大田冬小麦种植面积及其长势信息，适时调整大田管理措施，实现增产的目的。同时，准确进行冬小麦产量预报，也可为政府部门在粮食收购、种植区化以及种植补贴等方面提供科学信息依据，具有非常重要的现实意义。