林 滢，邵怀勇

(成都理工大学地球科学学院，四川成都 610059)

我国是人口大国，粮食安全至关重要。小麦是我国主要粮作物之一。据统计，2018年我国小麦播种面积2 427万hm2，总产量13 143万t，占全球小麦产量的17.62%[1]。及时准确掌握小麦生长信息，并进行估产分析对农田管理、农业政策制定等具有重要意义[2-3]。目前作物产量预测主要采用经验统计模型和面向过程的作物生长模型。传统方法中，许多国家的作物产量统计数据通常是将地面观测与产量报告相结合计算得出。如Reynolds[4]在2010年将实时卫星图像引入到地理信息系统(GIS)和粮食及农业组织(FAO)的作物特定水平衡(CSWB)模型中，开发了一种可操作的作物单产模型，并取得较好效果。但是基于地面实地考察的数据收集成本高昂、耗时且效率低下，同时无法确定过程中的可靠性，因此可能会导致作物产量评估效果不佳[5-6]。且经验模型往往因地理位置、作物品种和生长季节而异，模型的空间泛化能力低。遥感技术的出现为农业研究提供了新的方法[7]。充分利用遥感数据，可实现农作物长势监测与产量估算，研究作物遥感估产的基本机理与方法[8-9]。如吴炳方[10]利用每旬的最大NDVI图像对全国范围的作物进行遥感长势监测，估算作物种植的面积。作物估产模型包括农业技术转移决策支持系统(DSSAT)、农业生产系统模拟器(APSIM)、捕捉大面积作物-天气关系的模式(MCWLA)和世界粮食研究模型(WOFOST)[11]。虽然模型可以更高的精度模拟作物产量，但运行模型需要大量的参数输入(例如气候变量、肥料、灌溉、土壤和水文特征)，费时费力，当实验区较大时会因无法获取某些数据而受到限制[12]。……