摘要：为了通过数据同化方法提高冬小麦的估产精度，以陕西省关中平原为研究区域，采用标定的CERES-Wheat模型模拟8个典型样点冬小麦整个生育期的叶面积指数（LAI），通过四维变分（4DVAR）和集合卡尔曼滤波（EnKF）2种同化算法同化CERES-Wheat模型模拟的LAI和遥感数据反演的LAI，获得单点尺度的LAI同化数据，将单点尺度的LAI同化值扩展到区域尺度，对两种同化方法的单点尺度和区域尺度的同化结果进行对比与分析。结果表明，两种同化方法均能综合遥感反演LAI和模型模拟LAI的优势，使LAI同化值更符合冬小麦LAI的实际变化规律；在单点尺度和区域尺度上，EnKF-LAI 均更能反映关中平原冬小麦的实际生长状况。采用 EnKF-LAI 构建关中平原冬小麦估产模型估测2008年和2014年的冬小麦单产，通过实测单产对估产模型进行验证，结果表明，2008年样点估测单产与实测单产的相对误差均小于15%，部分县估测单产与实测单产的相对误差均小于10%；与2014年模拟单产与实测单产间的相对误差相比，估测单产与实测单产间的相对误差降低0.57%～9.30%，RMSE降低217 kg/hm2，其中，8个样点的估产精度达到94%以上，表明组合估产模型的估产精度较高。

关键词：作物 遥感 模型 同化 叶面积指数 

单位：中国农业大学信息与电气工程学院 北京100083