农作物生物量是作物产量形成的基础，准确的生物量信息对于国家有效指导农业生产、保障国家粮食安全、促进农业可持续发展、全球碳循环和生物质能源利用等基础研究均有重要的意义。作物生物量估算涉及到多种学科与技术，相对于费时耗力的作物生物量传统实测方法，基于遥感技术开展作物生物量估算具有大面积同步观测的巨大优势。本书以我国北方粮食主产区黄淮海平原为研究区域，以河北省衡水市为典型试验区，以冬小麦为研究对象，在野外观测试验、室内数据处理与分析、室内模型建立与定量模拟等支持下，对作物地上生物量遥感估算的统计模型、半机理模型和机理模型进行深入研究，对及时、准确地获取作物地上生物量信息，有效指导我国粮食生产和保障国家粮食安全具有重要意义。

1 绪论
1.1 作物生物量相关概念
1.2 基于遥感的作物生物量反演主要研究进展
1.2.1 生物量遥感反演主要模型和方法
1.2.2 生物量估算主要数据选择
1.2.3 作物生物量估算的特征参量
1.2.4 作物生物量遥感反演主要进展
1.3 本章小结
2 冠层高光谱估算冬小麦生物量的敏感波段优选
2.1 研究区域
2.2 主要研究方法
2.2.1 技术路线
2.2.2 植被指数确定
2.2.3 N-VI与冬小麦地上生物量相关性分析
2.2.4 敏感波段中心与最优波段宽度确定
2.2.5 精度验证
2.3 数据获取与准备
2.3.1 样方布设与地面观测
2.3.2 冬小麦实测地上生物量获取
2.3.3 冬小麦冠层高光谱测量
2.4 结果与分析
2.4.1 基于N-NDVI敏感波段最优波宽的生物量估算
2.4.2 基于N-DVI敏感波段最优波宽的生物量估算
2.4.3 基于N-RVI敏感波段最优波宽的生物量估算
2.5 本章小结
3 基于高光谱卫星遥感的冬小麦地上生物量估算
3.1 研究区域
3.2 主要研究方法
3.2.1 高光谱作物地上干生物量敏感波段中心确定
3.2.2 基于高光谱遥感卫星的作物地上干生物量反演
3.2.3 作物地上生物量遥感估算精度验证
3.3 数据获取与处理
3.3.1 地面数据采集与处理
3.3.2 高光谱遥感卫星数据获取与处理
3.3.3 其他辅助数据
3.4 结果与分析
3.4.1 冠层高光谱估算地上干生物量敏感波段选取
3.4.2 基于Hyperion的区域冬小麦生物量遥感反演
3.5 本章小结
4 基于宽波段多光谱遥感的区域冬小麦生物量估算
4.1 研究区域
4.2 主要研究方法
4.2.1 技术路线
4.2.2 遥感植被指数确定
4.2.3 区域冬小麦生物量遥感反演
4.2.4 精度验证
4.3 数据获取与准备
4.3.1 地面数据采集与处理
4.3.2 遥感数据获取与处理
4.3.3 其他辅助数据
4.4 结果与分析
4.4.1 基于GF-1的区域冬小麦生物量遥感反演
4.4.2 基于Landsat 8的区域冬小麦生物量遥感反演
4.5 本章小结
5 基于净初级生产力的冬小麦生物量估算
5.1 研究区域
5.2 主要研究方法
5.2.1 基于净初级生产力的生物量遥感估算
5.2.2 光合有效辐射（PAR）
5.2.3 光合有效辐射分量（fPAR）
5.2.4 干物质转化效率系数（e）
5.2.5 冬小麦地上生物量反演结果精度验证
5.3 数据获取与准备
5.3.1 主要遥感数据
5.3.2 作物田间实测数据
5.3.3 气象数据和土壤湿度数据
5.3.4 主要数据处理
5.4 结果与分析
5.4.1 研究区光合有效辐射
5.4.2 研究区光合有效辐射分量
5.4.3 冬小麦干物质转化效率系数与气候和土壤湿度的关系
5.4.4 研究区冬小麦生物量结果的精度验证
5.5 本章小结
6 基于遥感和生长模型同化的冬小麦生物量估算
6.1 研究区域
6.2 主要研究方法
6.2.1 技术路线
6.2.2 EPIC模型选择
6.2.3 SCE-UA全局优化算法
6.2.4 模型参数灵敏度分析与本地化
6.2.5 模型同化参数确定
6.2.6 作物生长模型区域化
6.2.7 主要参数与模拟结果精度验证
6.3 数据获取与准备
6.3.1 基础数据收集与处理
6.3.2 田间样区布设与观测
6.3.3 作物叶面积指数遥感反演
6.4 结果与分析
6.5 本章小结
7 展望
7.1 新遥感数据源不断涌现将促进作物生物量遥感估算新技术发展
7.2 进一步加强对现有作物生物量遥感估算技术方法的不断完善
7.3 开展多模型多方法整合和多源数据协同的生物量反演
7.4 作物生物量遥感估测中尺度效应和真实性检验研究需加强
参考文献