摘要：为提高陕西省关中平原冬小麦的估产精度,该文通过粒子滤波算法同化Landsat遥感数据反演的状态量叶面积指数（leaf area index,LAI）、土壤含水量（0~20 cm）、地上干生物量数据和CERES-Wheat模型模拟的状态量数据,分析小麦不同生育期的LAI、土壤含水量及生物量同化值和实测单产的线性相关性,以构建同化估产模型。结果表明,在返青期土壤含水量同化值和实测单产的相关性高于LAI、生物量同化值和实测单产的相关性,选择土壤含水量作为最优变量;在拔节期和抽穗-灌浆期同时选择LAI、土壤含水量及生物量作为最优变量;在乳熟期选择生物量作为最优变量。在小麦各生育时期同化最优变量的估产精度（R2=0.85）高于同时同化LAI、土壤含水量及生物量的估产精度,同时同化LAI、土壤含水量及生物量的估产精度高于同时同化LAI和土壤含水量（或LAI和地上干生物量、或土壤含水量和地上干生物量）的估产精度,表明在作物不同生育时期同化与产量相关性较大的变量对提高估产精度有重要作用。

关键词：模型 遥感 土壤水分 粒子滤波 冬小麦 

单位：中国农业大学信息与电气工程学院; 北京100083; 陕西气象局; 西安710014