本书以我国北方粮食主产区黄淮海平原河北省衡水市为研究区，以深州市为典型试验区，以冬小麦为研究对象，在野外观测试验、室内数据处理分析、关键技术攻关基础上，围绕农作物收获指数遥感估算工作，开展了基于田间冠层高光谱数据、无人机高光谱数据、卫星遥感模拟数据、多光谱卫星遥感数据和地面同步观测数据支持下天空地信息协同多尺度（如田间尺度、农场小区域尺度和大范围区域尺度）农作物收获指数遥感定量估算技术方法创新研究与应用工作，在丰富和发展了农作物收获指数概念基础上，创新提出了反映作物生长动态变化和产量形成过程的作物收获指数动态评价指标，通过天空地信息协同，实现了田间冠层、农场小区域尺度和大范围区域尺度的作物收获指数信息多尺度动态监测。本书所开展的农作物收获指数遥感估算技术方法创新研究工作对准确获取大范围主要作物收获指数空间分布信息具有一定指导意义和参考价值。

1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 作物收获指数的主要应用
1.2.2 作物收获指数的主要影响因素
1.2.3 作物收获指数估算研究进展
1.2.4 作物收获指数遥感估算存在的主要问题
1.3 本章小结
2 基于地面高光谱数据的田间冠层尺度作物收获指数遥感估算
2.1 研究区概况
2.2 数据获取与准备
2.2.1 地上千生物量数据获取
2.2.2 地面高光谱数据获取及预处理
2.3 主要研究方法
2.3.1 技术路线
2.3.2 相关参数的构建和计算
2.3.3 冬小麦D-fo估算敏感波段中心与最大波宽的确定
2.3.4 基于NDSI的D-fg估算模型构建
2.3.5 冬小麦动态收获指数（D-HI）估算模型构建
2.3.6 模型精度评价
2.4 结果与分析
2.4.1 基于敏感波段中心和最大波宽构建NDSI的D-fG通感估算
2.4.2 基于D-fG選感参数的D-HI估算及验证
2.5 本章小结
3 基于无人机高光谱数据的小区域尺度作物收获指数遥感估算
3.1 研究区概况
3.2 数据获取与准备
3.2.1 地上生物量的获取
3.2.2 动态收获指数的获取
3.2.3 无人机高光谱数据获取与处理
3.3 主要研究方法
3.3.1 动态fG参数的提出
3.3.2 技术路线
3.3.3 基于高光谱敏感波段中心构建NDSI的D-fG遥感估算
3.3.4 基于D-fG遥感参数的D-HI无人机遥感估算模型建立
3.3.5 模型精度检验
3.4 结果与分析
3.4.1 基于无人机高光谱NDSI的D-fG遥感估算
3.4.2 基于D-fG遥感参数的D-HI无人机遥感估算
3.5 本章小结
4 基于中高分辨率多光谱数据的区域作物收获指数遥感估算
4.1 研究区概况
4.2 数据获取与准备
4.2.1 地面数据采集与处理
4.2.2 遥感数据获取与预处理
4.2.3 其他辅助数据
4.3 主要研究方法
4.3.1 技术路线
4.3.2 主要参数构建与计算
4.3.3 地面高光谱模拟宽波段遥感数据的方法
4.3.4 归一化差值光谱指数（NDSI）与D-fG间模型构建
4.3.5 冬小麦动态收获指数估算模型
4.3.6 模型精度评价
4.4 结果与分析
4.4.1 基于Sentinel-2A的区域冬小麦收获指数遥感估算及精度验证
4.4.2 基于GF-1的区域冬小麦收获指数遥感估算及精度验证
4.4.3 基于Landsat-8的区域冬小麦收获指数遥感估算及精度验证
4.5 本章小结
5 基于时序中低分辨率多光谱数据的区域作物收获指数遥感估算
5.1 研究区域
5.2 数据获取与准备
5.2.1 MODIS-NDVI遥感数据
5.2.2 Savitzky-Golay滤波平滑
5.2.3 地面实测冬小麦收获指数
5.3 主要研究方法
5.3.1 研究方法
5.3.2 理论基础
5.4 结果与分析
5.4.1 参数HIwDVI SUM区域信息提取结果
5.4.2 参数HINDVI SUM与冬小麦收获指数关系
5.4.3 区域冬小麦收获指数空间信息获取
5.4.4 区域冬小麦收获指数遥感估算精度验证
5.5 本章小结
6 展望
6.1 主要创新点
6.1.1 构建动态收获指数（D-HI）和花后累积生物量比值动态参数（D-fG）
6.1.2 提出基于遥感技术获取fG参数信息的技术方法
6.1.3 提出基于D-fG遥感估算的多尺度作物动态收获指数空间信息获取方法
6.1.4 提出花后生殖生长阶段和花前营养生长阶段NDVI累积值比值的HI估算方法
6.2 讨论与展望
6.2.1 本研究提出的HI遥感估算方法部分技术细节有待深入研究
6.2.2 作物收获指数遥感估算过程存在一定不确定性因素影响
6.2.3 本研究提出的收获指数遥感估算方法的应用前景
6.2.4 作物收获指数遥感估算技术的发展趋势
参考文献