基于Campbell椭球分布函数的大兴安岭地区主要树种叶倾角分布模拟

叶倾角分布(LAD)直接决定着植被冠层对辐射的截获量,同时对入射太阳辐射的大小与走向也起着决定性作用,是定量遥感中的关键参数.本研究基于Campbell椭球分布函数和迭代方法拟合大兴安岭林区主要树种的LAD,定量分析冠层叶片分层与不分层时模型的拟合情况及不同龄组对LAD的影响.结果表明： 大兴安岭地区6种主要树种的LAD均属于横椭球分布,针叶树的平均叶倾角小于阔叶树;无论对叶片分层处理与否,模型拟合叶倾角的结果与实测结果基本一致;白桦和落叶松的拟合结果与实测结果线性回归的相关系数分别是0.8268、0.8192,均方根误差分别是3.7%、4.3%,说明Campbell模型应用于森林冠层是可靠的;考虑龄组的影响时,虽然分层处理时叶倾角的分布趋势与龄组无关,但幼龄落叶松的平均叶倾角小于成熟落叶松,表明龄组对叶倾角分布取值有正向影响,而对消光系数取值有负向
影响.     

基于PROSAIL辐射传输模型的毛竹林叶面积旨数遥感反演

采用PROSAIL辐射传输模型建立毛竹林叶面积指数(LAI)-冠层反射率查找表,并结合Landsat TM卫星遥感数据,实现了毛竹林LAI的定量反演.结果表明:PROSAIL模型各输入参数的敏感性由高到低依次为LAI＞叶绿素含量(Cab)＞叶片结构参数(N)＞平均叶倾角(ALA)＞等效水厚度(Cw)＞干物质含量(Cm),并以LAI、Cab两个主要敏感因子用于构建毛竹林LAI-冠层反射率查找表;基于PROSAIL模型的毛竹林LAI遥感反演结果与实测LAI具有很好的一致性,二者相关系数为0.90,均方根误差和相关的均方根误差也较小,分别为0.58和13.0％,但也存在反演LAI平均值高于实际值的问题.     

基于PROSAIL辐射传输模型的毛竹林叶面积指数遥感反演

采用PROSAIL辐射传输模型建立毛竹林叶面积指数(LAI) 冠层反射率查找表,并结合Landsat TM卫星遥感数据,实现了毛竹林LAI的定量反演.结果表明： PROSAIL模型各输入参数的敏感性由高到低依次为LAI>叶绿素含量(C_ab)>叶片结构参数(N)>平均叶倾角(ALA)>等效水厚度(C_w)>干物质含量(C_m),并以LAI、C_ab两个主要敏感因子用于构建毛竹林LAI 冠层反射率查找表;基于PROSAIL模型的毛竹林LAI遥感反演结果与实测LAI具有很好的一致性,二者相关系数为0.90,均方根误差和相关的均方根误差也较小,分别为0.58和13.0%,但也存在反演LAI平均值高于实际值的问题.     

基于叶面积指数反演的区域冬小麦单产遥感估测

利用定量遥感技术反演的叶面积指数（LAI）在中国北方黄淮海地区典型县市进行冬小麦单产预测研究.为提高数据质量和减少估产误差,利用Savitzky-Golay滤波技术降低云对NDVI数据的影响及数据缺失;通过冬小麦实测LAI进行时序内插,模拟得到实测点每日冬小麦LAI,继而获得实测点主要生育时期平均LAI;在此基础上,建立了冬小麦主要生育时期平均LAI与作物单产关系模型,改变目前利用生育时期内某一时间点LAI代替整个生育时期LAI的方法;在模型择优基础上,得到最佳遥感估产关键期--开花期LAI与单产统计模型;最后,利用MODIS-NDVI经验模型反演得到的开花期平均LAI进行2008年冬小麦单产预测.结果表明：与地面实测的冬小麦单产相比,研究区估产平均相对误差为1.21%,RMSE达到257.33 kg·hm^-2,可以满足大范围估产的要求.利用上述方法可以在研究区冬小麦收获前20～30 d进行准确的单产估计.     

基于PROSAIL模型的水稻田缨帽三角-叶面积指数模型及其应用

缨帽三角(tasseled cap triangle,TCT)-叶面积指数(leaf area index,LAI)等值线模型是一种反映植被叶面积指数等值线在红光(Red)-近红外(NIR)波段反射率组成的光谱空间中分布规律的模型,在此基础上建立LAI遥感反演模型比常用的统计关系模型更加精确.本文利用水稻田实测数据,验证了PROSAIL模型对水稻冠层反射率模拟的适用性,并对模型的输入参数进行率定,最终确定了PROSAIL模型模拟水稻冠层反射率的输入参数的取值范围.在此基础上构建了水稻田TCT-LAI等值线模型,建立了LAI遥感反演所需的查找表,将其分别用于Landsat 8和WorldView 3数据进行水稻田LAI反演.结果表明: 利用基于TCT-LAI等值线模型建立查找表反演的LAI与实测LAI具有良好的线性相关关系,R²=0.76,RMSE=0.47;与Landsat 8的LAI反演结果相比,WorldView 3反演的LAI值域范围更大,数据分布更离散.将Landsat 8、WorldView 3反射率数据重采样至1 km后进行LAI反演, MODIS LAI 产品的反演结果存在明显低估现象.     

基于多角度植被指数的马尾松林LAI反演方法

CHRIS/PROBA是目前具有最高空间分辨率（17 m×17 m）的星载多角度高光谱数据,该款数据在反演植被垂直结构参数,如树高、叶面积指数（leaf area index,LAI）等方面具有重要的应用前景。基于四尺度几何光学模型得到马尾松（Pinus massoniana Lamb.）冠层的归一化差分植被指数（normalized difference vegetation index,NDVI）各向异性分布规律,利用CHRIS红光特征波段和近红外特征波段构建一种新型多角度植被指数（normalized hotspot-dark-spot difference vegetation index,NHDVI）,并将其应用于CHRIS数据对马尾松林的LAI遥感估算上。结果显示：（1）相比归一化差分植被指数（NDVI）与土壤调节植被指数（soil adjusted vegetation index,SAVI）而言,NHDVI能很好地融合光谱信息与角度信息,与地面实测LAI的决定系数达到0.7278;（2）利用NHDVI-LAI统计回归模型方法来反演LAI值,将得到的LAI值与地面实测值进行相关性分析,结果拟合优度达到0.8272,均方根误差RMSE为0.1232。与传统植被指数相比,包含角度信息的多角度植被指数对LAI的反演在精度上有较大提升,同时比基于辐射传输模型的反演方法更简易、实用。     

基于MODIS时间序列反射率数据的雷竹林LAI反演

本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感变量,采用逐步回归和相关分析两种方法进行变量筛选,结合LAI实测数据构建了逐步回归和BP神经网络两种模型,对雷竹林生态系统观测站点2014年1月-2017年3月LAI时间系列数据进行反演,并将反演结果与同时期MOD15A2 LAI产品进行对比分析.结果表明: SR为唯一入选逐步回归模型的变量;b₁、b₂、b₃和b₇以及5种植被指数与LAI之间的相关性均达到显著水平,可作为BP神经网络模型的输入变量.使用BP神经网络反演得到的LAI与实测LAI之间的相关性显著,R²为0.71,RMSE为0.34,RMSE_r为13.6%,其R²比逐步回归模型提高了10.9%,RMSE降低了5.6%,RMSE_r降低了12.3%,与MODIS LAI相比,其R²提高了54.5%,RMSE降低了79.3%,RMSE_r降低了79.1%.结合MODIS时间序列反射率和BP神经网络模型能够精确地反演雷竹林LAI,为实现基于遥感技术快速监测区域雷竹林LAI提供可行的方法.     

林下植被对遥感估算马尾松LAI的影响

叶面积指数是一项极其重要的描述植被冠层结构的植被特征参量。根据植被物候规律,利用中国环境卫星CCD多光谱影像和野外马尾松样区调查数据,通过建立不同季节和不同郁闭度样区马尾松LAI和影像NDVI经验回归模型,并利用一个新的LAI观测方式定量比较乔木层LAI和生态系统总LAI(包括草本层、灌木层和乔木层)的差异,研究林下植被对马尾松反演的影响程度。结果表明:(1)由于林下植被的物候变化,冬季林下植被对马尾松LAI反演影响最小,马尾松NDVI和LAI线性关系R2维持在0.65;夏季林下植被影响最大,线性关系R2只有0.25;春季和秋季影响居中,NDVI和LAI线性关系R2在0.47附近。但是,受林下植被影响较小的A类样区4个季节内NDVI和LAI线性关系基本都在0.60以上(夏季略低于0.60);(2)乔木层LAI和总LAI差距非常大,最大差距达到2.93,相差的比例最大达到了2.45倍;(3)总LAI和NDVI相关关系显著,其中线性关系R2达到0.66,对数关系R2可达到0.68,而乔木层LAI和NDVI相关关系较差,线性关系R2只有0.30。分别建立冬季和其它季节实测总LAI和NDVI的关系,可以估算出林下植被对马尾松LAI反演的影响程度。     

SunScan冠层分析仪在测量大豆叶面积指数中的应用

SunScan冠层分析仪是一种利用间接测量法观测叶面积指数(LAI)的仪器,通过给定反映植被几何特征的椭球体叶倾角分布参数(ELADP),测量透射率获得LAI.于2005、2006年在黑龙江省嫩江县鹤山农场布设大豆试验地,通过比较LI-3100叶面积仪直接测量的LAI和SunSean冠层分析仪间接测量的LAI,得出ELADP率定结果,并验证了SunScan冠层分析仪测量LAI的精度.结果表明:用SunScan测量大豆冠层LAI时,ELADP取值为4.0;设定该参数后,SunSean测量的LAI与LI-3100测量结果一致,二者拟合的线性回归方程显著;随生长季叶面积的变化,SunScan测量误差略有变化;播种后50～85 d,Sun-Scan观测值偏低7.2%,播种96 d以后观测值偏高12.5%,播种后85～96 d与LI-3100观测值十分接近,误差只有2.0%;经过参数率定后的SunScan测量LAI效果较好.     

滨海湿地植被地上生物量遥感反演

盐沼植被生物量是滨海湿地生态系统碳循环研究的重要参数,是湿地生态系统健康评价、资源可持续利用的关键指标,开展盐沼植被地上生物量监测方法研究具有重要意义。目前,遥感技术在湿地生物量监测领域已经得到广泛应用,但反演方法仍以统计模型为主,模型构建需要实测数据支撑,时空拓展性不强。选择江苏盐城丹顶鹤保护区为研究区,基于冠层辐射(PROSAIL)传输模型,通过局部和全局敏感性分析,对模型参数本地化,构建了互花米草地上生物量半经验反演模型,应用于Landsat 8 OLI遥感影像,获得了互花米草地上生物量的时空分布。研究结果表明,利用PROSAIL模型模拟互花米草冠层反射率,叶面积指数(LAI)、叶片干物质含量(Cm)、叶倾角分布参数(LIDF)、等效水厚度(Cw)、叶绿素含量(Cab)、叶片结构参数(N)为高敏感性参数,类胡萝卜素含量(Car)、土壤参数(P_soil)为低敏感性参数;利用不同时刻的遥感影像反演了地上生物量,遥感反演结果与实测数据对比,拟合度R²为0.83,均方根误差(RMSE)为0.43kg/m²,平均相对误差(MRE)为15.7%,精度较高,模型具有较好的时空普适性。研究发展了盐沼植被地上生物量遥感反演方法,解决了以往过于依赖现场实测数据构建反演模型的局限性,该方法可以为研究滨海湿地生态系统碳循环以及准确估算其碳汇潜力提供技术支持。     

2001-2019年太行山南麓栓皮栎人工林叶面积指数与气候因子的关系

栓皮栎(Quercus variabilis)是我国天然分布最广的树种之一,太行山南麓属我国林业工程重点区域,对气候变化较敏感,研究该地区栓皮栎人工林叶面积指数(LAI)与气候因子的关系对我国林业生态工程建设、温带森林碳汇功能评估有重要意义。依托河南黄河小浪底地球关键带国家野外科学观测研究站,利用LAI实测数据对2001—2019年基于MODIS地表反射率反演的LAI产品进行校正,分析了近19年来太行山南麓的气候变化趋势,以及40年生栓皮栎-刺槐-侧柏混交人工林LAI的变化特征及其与气候因子的关系。结果表明：2001—2019年实验区气候为变暖、变湿润趋势,气温升高温变化率为0.70℃/10a,生长季增温高于非生长季,生长季和非生长季降水量分别为增加和减少趋势。近10年来气候暖湿化趋势加快,高温天气发生的频率和强度增加。实验区栓皮栎混交人工林LAI为增加趋势,近19年平均值为2.09,增长率为0.21/10a,近熟林时期LAI增长率低于中龄林时期。气温是影响LAI季节和年际变异的主导气候因子,降水量主要影响LAI的季节变异。近熟林时期高温天气超过35 d的年份LAI比上一年度减小。     

双集合卡尔曼滤波LAI同化结合BEPS模型的竹林生态系统碳通量模拟

叶面积指数(LAI)是森林生态系统碳循环研究的重要观测数据,也是驱动森林生态系统模型模拟碳循环的重要参数.本文以毛竹林和雷竹林为研究对象,首先利用双集合卡尔曼滤波,同化两种竹林生态系统观测站点2014—2015年MODIS LAI时间序列数据,然后将同化的高质量毛竹LAI和雷竹LAI作为输入数据驱动BEPS模型,模拟两种竹林生态系统总初级生产力(GPP)、净生态系统碳交换量(NEE)和总生态系统呼吸(TER)等碳循环数据,并用通量站实际观测值评价模拟结果;另外,还对比不同质量LAI对碳循环模拟的影响.结果表明: 双集合卡尔曼滤波同化得到的毛竹林和雷竹林LAI与实测LAI之间的相关关系极为显著,R²分别为0.81和0.91,且均方根误差和绝对偏差均较小,极大地提高了MODIS LAI的产品精度;在同化得到的LAI驱动下,BEPS模型模拟的毛竹林GPP、NEE和TER与实际观测值之间的R²分别为0.66、0.47和0.64,雷竹林分别为0.66、0.45和0.73,模拟结果均好于三次样条帽盖算法平滑LAI模拟得到的GPP、NEE和TER,其中,毛竹林、雷竹林NEE的模拟精度提高幅度最大,分别为11.2%和11.8%.     

三江平原湿地植被叶面积指数遥感估算模型

利用中巴资源卫星CBERS-02影像提取的归一化植被指数(NDVI)和同期野外实测的叶面积指数(LAI)数据,分析了三江平原洪河自然保护区草甸、沼泽植被、灌丛和岛状林4种湿地植被及样本总体的NDVI与LAI之间的相关关系,建立了NDVI与不同湿地植被类型叶面积指数间的线性和非线性回归模型,并制作完成洪河自然保护区LAI空间分布图.结果表明,整个研究区样本总体的LAI估算效果不太理想,其NDVI与LAI的相关性仅为0.523;将研究区分为草甸、沼泽、灌丛和岛状林4种湿地植被类型,NDVI与各植被型LAI的相关性和估算效果均有很大程度的提高,所建立的LAI遥感反演模型以三次曲线回归方程拟合精度最高,R2分别达到0.723、0.588、0.837、0.720.以上结果表明,结合地面实测数据并基于遥感植被分类的基础上,CBERS-02遥感影像可用于较大区域内湿地植被生理参数的反演研究.     

基于数据同化的哈佛森林地区水、碳通量模拟

模型模拟和站点观测是陆地生态系统水、碳循环研究最主要的两种手段,但各有优势和不足,若二者相互结合,则能更准确地反映生态系统水、碳通量的动态变化.数据同化为模型与观测结合提供了一条有效的途径.本文采用哈佛森林环境监测站相关数据,利用集合卡曼滤波同化算法,将实测叶面积指数(LAI)和遥感LAI同化进入Biome BGC模型中,对该地区水、碳通量进行模拟.结果表明：与未同化模拟相比,将1998、1999和2006年实测LAI数据同化后,模型模拟碳通量(NEE)与通量观测NEE的决定系数(R²)平均提升8.4%;蒸散发(ET)的R²平均提升10.6%;NEE的绝对误差和(SAE)和均方根误差(RMSE)平均下降17.7%和21.2%,ET的SAE和RMSE平均下降26.8%和28.3%.将2000-2004年MODIS LAI 产品与模型同化后,NEE、ET模拟值与观测值间的R²分别提升7.8%和4.7%;NEE的SAE和 RMSE分别下降21.9%和26.3%,ET的SAE和 RMSE分别下降24.5%和25.5%.无论实测LAI还是遥感观测LAI,同化进入模型都能不同程度地提高水碳通量的模拟精度.     

基于PROSAIL混合反演模型的MODIS LAI产品改进及评估

叶面积指数（Leaf Area Index,LAI）是定量陆地生态系统中光合作用、呼吸作用、蒸腾、碳和养分循环等过程中物质与能量交换的重要结构参数。目前大、中尺度的气候和生态水文建模使用的LAI产品主要来源于中分辨率成像光谱仪（MODIS）,但由于其反演过程中的不确定性因素导致MODIS LAI产品在部分地区存在质量问题。以青海省复杂植被地区为研究区域,基于实地考察与采样验证了区域内MODIS LAI所存在的质量问题分布,并揭示了不确定因素的影响。与此同时,提出了一种基于PROSAIL模型与深度神经网络（DNN）的混合建模技术,针对MODIS LAI生成机制中地表分类数据、地表反射率数据和反演算法的不确定性进行改进,并基于青海省大范围实测LAI数据评估了改进前后产品的准确度,实测数据的验证结果发现：改进模型的LAI准确度（RMSE=0.48,R²=0.64）显著高于MODIS LAI （RMSE=0.71,R²=0.56）,预测结果与实测结果之间的偏差显著减少;区域尺度上,柴达木荒漠植被低覆盖典型区域、三江源高寒草甸中覆盖典型区域与青海湖牧场草地高覆盖典型区域的RMSE分别提高了0.19、0.10、0.54,改进方法有效解决了MODIS LAI产品中高覆盖植被饱和效应导致的高估以及低覆盖植被未检索导致低估的质量问题,改进结果分布连续,更符合真实植被状况。基于以上研究,充分证明了研究方法对MODIS LAI产品的改进具有可靠性,能够在缺少实测样本数据的情况下有效提高MODIS LAI的质量,为全球植被环境监测与生态建模提供重要的数据支持。     

基于不同空间尺度遥感影像估算森林叶面积指数的差异

地面测量点对遥感像元的代表性如何,怎样获取像元的相对真值,多大的空间分辨率可以真实地反映森林区域的叶面积指数(LAI),这些都是定量遥感中的重要问题.本研究计算LAI-2200和TRAC两种冠层分析仪测量的空间范围,并结合GF-2(4.1 m)、Sentinel-2(10 m)、Landsat-8(30 m)3种不同空间分辨率遥感影像,找到各尺度下像元的相对真值,在保持真值观测面积和遥感获取面积一致的条件下,基于一元指数和多元回归模型,对比分析不同空间分辨率影像对估算森林LAI的影响,并对3种影像模型进行30和100 m尺度下的检验以及各自数据集的空间代表性评价,比较得出最适合表达研究区域森林LAI的尺度.结果表明:对于森林来说,高分辨率并不一定能充分反映森林LAI.基于3种分辨率影像的统计模型都能很好地估测森林LAI,其中,基于Sentinel-2的反演精度最高,基于GF-2的反演精度最低.30和100 m尺度下的检验结果表明,基于GF-2反演模型高估了森林LAI,基于Landsat-8的反演模型低估了森林LAI,基于Sentinel-2分辨率的统计模型可以很好地估测研究区域森林LAI.     

基于小波理论的干旱区内陆湖泊叶绿素a的TM影像遥感反演

叶绿素a(Chl-a)是衡量湖泊富营养化的重要指标,利用遥感技术动态监测面积较大的湖区水体中Chl-a浓度对了解湖区水质具有重要意义。以内蒙古乌梁素海为例,提出利用TM影像中的水体实测光谱进行小波去噪和光谱信号重构,并结合水质采样实测数据进行神经网络拟合,建立光谱反射率比值与Chl-a浓度的反演模型的方法。结果显示:小波理论和神经网络相结合的模型可以适用于估算乌梁素海Chl-a浓度,去噪后Chl-a浓度与光谱信号的相关系数(-0.575)较去噪前(-0.417)明显增强,去噪后的采样点光谱信号与Chl-a浓度之间表现出比原始信号更强的负相关性,证明了去噪后的观测值可进一步减弱随机误差的干扰和去除噪声,使观测数据更加逼近Chl-a浓度的真实情况,图像去噪重构结果显示重构后的光谱范围较之前有所缩窄,部分信号点得到了增强,但基本剖面结构并没有产生较大变化,反演模型的平均相对误差为0.142,与其他研究相比差别不大。反演得出的乌梁素海Chl-a浓度分布反映了污染源的分布,同时说明了乌梁素海Chl-a浓度在时空分布上呈现一定的差异,表现为丰水期呈现浅水区Chl-a浓度值高于湖心区,来水区高于其他湖区的分布趋势,枯水期乌梁素海中部呈现由西向东Chl-a浓度逐步降低的分布规律,西部呈均一化分布。反演模型基本可以满足实际预测的需要。但模型在具体应用中在影像数据采集、数据量及算法方面还有很大的改进空间,该方法的提出为干旱区大型内陆水体富营养化的实时定量遥感监测提供了新的解决方案。     

基于小波分析的大豆叶面积高光谱反演

实测了不同水肥耦合、经营制度及有效营养面积条件下的大豆(Glycinemax)冠层高光谱反射率与叶面积指数(LAI),并对光谱反射率、微分光谱与LAI的关系进行了分析;采用比值植被指数(RVI)与归一化植被指数(NDVI)建立了大豆LAI反演模型;采用小波分析对采集的光谱反射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对大豆LAI进行估算。结果表明:大豆LAI与光谱反射率在可见光波段呈负相关;在近红外波段呈正相关;微分光谱在红边处与大豆LAI密切相关(R2=0.92);RVI与NDVI可以提高大豆LAI的估算精度(R2分别达0.79、0.84);各植被指数各有优缺点,应根据需要进行选择;小波能量系数回归模型可以进一步提高大豆叶面积的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆LAI回归确定系数R2高达0.884;以4个和6个小波能量系数建立LAI回归分析模型(R2分别达0.92、0.93),2个模型LAI预测值与大豆LAI实测值线性回归确定性系数R2分别为0.90、0.92。比较可知,小波分析可以对高光谱进行特征变量提取,进而反演大豆生理参数,并且反演的LAI精度较光谱反射率、微分光谱及植被指数都有明显提高,小波分析在植被生理参数的高光谱提取方面有着广阔的应用前景。     

沙蒿(Artemisia ordosica)叶面积指数的测定及模拟

对宁夏盐池典型沙生灌木沙蒿(Artemisia ordosica)生长季内叶面积指数(leaf area index,LAI)的动态进行了直接法(异速生长方程法)与间接法(Li-2000冠层分析仪法)相结合的定期观测,探索了利用直接法对间接法测得的有效叶面积指数(effective leaf area index,LAI e)进行校准的方法;并揭示了沙蒿真实叶面积指数(actual leaf area index,LAI a)与积温、光合有效辐射反射率(ρp)与短波辐射反射率(ρs)比值(ρp/ρs)的关系。结果表明:双变量(株高、冠幅)异速生长方程对单株叶面积的拟合优度高于单变量(冠幅)方程,且7、8月拟合优度最高;LAI e与LAI a随时间均呈单峰型变化,7月初到9月中旬为冠层生长的稳定期,LAI e和LAI a稳定期均值分别为1.15和0.31 m2·m-2;整个生长季内,LAI eLAI a,以8月底为分隔点,LAI e与LAI a呈现不同的线性关系;LAI e与LAI a的季节动态不受当年土壤含水量和降水量变化的影响;LAI a处于上升期和稳定期时,随积温呈明显的先上升后稳定的变化;LAI a随ρp/ρs的增大呈指数下降变化。研究结果将增进对沙蒿群落LAI动态及其机制的了解,为快速、准确地获取LAI提供方法参考,为遥感反演和生态系统建模提供数据支持。     

利用亚像元尺度信息改进区域冬小麦生长的模拟

为了探寻遥感观测面尺度与作物模型模拟点尺度不匹配问题的解决方案并改善区域作物生长模拟精度,以河南省鹤壁市为研究区,以冬小麦为研究对象,基于MODIS、Landsat 8遥感数据和Wheat SM作物生长模型,通过MODIS LAI过程线重建、亚像元尺度信息提取、集合卡尔曼滤波同化等方法,进行了冬小麦生长模拟的研究。结果表明:通过MODIS LAI过程线重建并提取亚像元尺度信息,冬小麦纯度在80%以上的遥感反演LAI与冬小麦两个关键生育期实测冠层LAI的均方根误差(RMSE)为0.69,以最近邻域法赋值到整个模拟区域,研究区2013—2017年模拟总产和实际总产相比的RMSE在未同化遥感反演的LAI信息时为6.73×108kg,同化未利用亚像元尺度信息调整的遥感估算LAI时,RMSE上升到8.24×108kg,同化利用亚像元尺度信息分区赋值的遥感LAI时,RMSE下降到3.48×108kg。利用亚像元尺度信息生成与作物模型时空尺度匹配的格点化LAI遥感产品,可提高作物生长模型区域化应用的精度。