王鹏新 陈 弛 张树誉 张 悦 李红梅

(1.中国农业大学信息与电气工程学院， 北京 100083; 2.陕西省气象局， 西安 710014)

0 引言

冬小麦是我国主要粮食作物之一，对冬小麦进行大规模的长势监测和产量估测，不仅能为地方政府制定生产计划提供科学依据，也能为粮食安全提供保障。近年来，遥感技术以其快速、简便、宏观、无损及客观等优点被广泛应用于农业生产的各个环节[1]。国内外学者通常使用可以表征作物生长信息的植被指数(Vegetation index，VI)来建立与作物产量间的经验模型，进而进行作物估产。以往的研究中常用的植被指数有归一化植被指数(Normalized difference vegetation index，NDVI)[2]、增强型植被指数(Enhanced vegetation index，EVI)[3]、比值植被指数(Ratio vegetation index，RVI)[4]等。利用遥感技术获得的叶面积指数(Leaf area index，LAI)可以反映作物光合作用、呼吸作用、蒸腾作用及碳氮循环等生物物理过程[5]，常作为作物长势监测和产量估测的重要参数[6]。然而作物单产不仅与植被指数及其相关的长势参数有关，还与土壤水分有密切联系。在NDVI和地表温度(Land surface temperature，LST)的散点图呈三角形区域分布的基础上，文献[7]提出条件植被温度指数(Vegetation temperature condition index，VTCI)的干旱监测方法，弥补了单一遥感干旱监测指数的不足，并在干旱监测、预测和影响评估等领域得到了广泛的应用。在此基础上，综合考虑作物长势与干旱胁迫可以更加准确地描述作物生长状态，从而提高作物产量估测精度。

Copula函数是构造多元联合分布和随机变量间相关结构的重要工具。近年来，Copula函数以其在多变量分析中的便利性引起了学者们的广泛关注，它能够将变量的相关性结构与边缘分布分开处理，考虑变量间的非线性与非正态关系，没有任何限制[8-10]。……