王鹏新 胡亚京 李 俐 乔 琛

(1.中国农业大学信息与电气工程学院，北京 100083； 2.农业农村部农业灾害遥感重点实验室，北京 100083；3.中国农业大学土地科学与技术学院，北京 100083)

0 引言

叶面积指数(Leaf area index，LAI)[1]是评估籽粒潜在产量的重要指标，对作物长势监测与产量估测、预测均具有重要意义。然而，站点实测、遥感反演或作物模型模拟等单一方法都无法给出精度可靠且时空连续的LAI数据。数据同化算法[2-3]能够将遥感观测和作物生长模型有效结合，是大面积作物产量估测、预测领域的研究热点。文献[4]将通过ENVISAT ASAR和MERIS数据提取得到LAI与CERES-Wheat模拟得到LAI进行同化，结果表明，同化后LAI有效提高了冬小麦产量预测精度。农作物产量是多种环境参数共同作用的结果，如土壤含水率、气象条件等，因此基于多参数的农作物估产已经成为研究趋势。文献[5]将CERES-Maize模拟的LAI、SM与遥感观测的LAI、SM采用改进的EnKF算法进行同化，结果表明，基于同化LAI和SM构建的双参数产量估测模型精度更高。

干旱是我国最主要的农业气象灾害之一，影响着农业的可持续发展和国家粮食安全，有效地进行干旱监测对作物长势和产量估测至关重要[6]。文献[7]提出了基于条件植被温度指数(Vegetation temperature condition index，VTCI)的干旱监测方法，该方法被证明适用于陕西省关中平原和河北中部平原的干旱监测和预测。文献[8]采用EnKF算法对LAI和VTCI双参数进行同化，以估测关中平原的冬小麦单产，研究表明，基于多参数构建的估产模型为小麦产量估算提供了可靠的方法。此外，不……