中心科技论文在Remote Sensing of Environmen...

作物冠层光谱反射特征和作物模型遥感数据同化是作物遥感监测评价的主要依据和重要方法。一方面，鉴于作物冠层几何结构及生化组分是影响冠层光学特性的主要因素，其垂向分布特征可对冠层光谱产生重要影响，从而影响作物遥感监测精度。然而，目前有关作物生物理化性质与冠层光谱反射特征的关系与建模研究对冠层垂向异质性考虑还不多，但其重要性已日益引起关注。另一方面，鉴于作物模型遥感数据同化方法将作物生长模型的“时间连续”和遥感观测的“空间连续”优势相结合，成为近年来国内外研究的热点。然而，目前同化研究多采用LAI为状态变量，以氮素作为同化变量（尤其是以群体和叶片两个尺度上的氮素水平同时作为同化状态变量）的研究缺乏。而实际上，作物养分状况对作物生物量及最终产量的准确输出具有决定作用。

北京农业信息技术研究中心遥感技术部针对上述前沿问题开展了研究，取得了最新进展。其中基于田间实验观测数据，揭示了冬小麦生物理化性质在冠层内的异质分布特征以及冠层光谱反射与导出植被指数对去除不同叶层和穗组分的响应等，加深了对作物特性与冠层光谱反射特征内在联系的认知和理解，有助于促进遥感技术在作物监测评价中的充分和有效应用。研究结果发表在Remote Sensing of Environment期刊，2015年公布的该刊影响因子为6.393。采用粒子群同化算法，以作物氮素累积量作为状态变量，将作物生长模型与遥感数据同化方法应用于冬小麦品质预报，同时考虑了气象、土壤、品种及管理因素，为冬小麦品质预报提供了新的思路。研究结果发表在European Journal of Agronomy期刊，2015年公布的该刊影响因子为2.704。针对单一变量作为同化状态变量存在的生长过程模拟不稳定的问题，提出了采用双变量同化方法进行冬小麦品质预报的思路，预报精度较前述研究精度有所提高。研究结果发表在Remote Sensing期刊，2015年公布的该刊影响因子为3.180。