摘要:為精準(zhǔn),、高效,、實時地實現(xiàn)區(qū)域冬小麥產(chǎn)量估算,以河南省鶴壁市淇縣橋盟鄉(xiāng)石橋村為研究區(qū),,基于分辨率10m的Sentinel-2多時相光學(xué)遙感影像,,利用集合卡爾曼濾波(Ensemble Kalman filter,EnKF)算法同化PROSAIL輻射傳輸模型反演的多期葉面積指數(shù)(Leaf area index,,LAI)到PyWOFOST作物生長模型中實現(xiàn)一定數(shù)量不同長勢單點產(chǎn)量的估測,,最后利用建立的機器學(xué)習(xí)模型和面域數(shù)據(jù)反演區(qū)域冬小麥產(chǎn)量,實現(xiàn)作物生長模型與機器學(xué)習(xí)算法的應(yīng)用耦合及一種新的區(qū)域冬小麥估產(chǎn)模式,。研究基于Sobol參數(shù)敏感性分析法量化對貯藏器官總干重質(zhì)量(Total dry weight of storage organs,,TWSO)與LAImax的敏感性參數(shù),并基于反演的多期LAI和粒子群優(yōu)化(Particle swarm optimization,,PSO)算法優(yōu)化與LAImax相關(guān)的TDWI,、TBASE、CVS,、CVL敏感性參數(shù),,將其輸入到PyWOFOST模型中,利用EnKF算法和時序LAI數(shù)據(jù)調(diào)整對TWSO相關(guān)的AMAXTB1、TDWI,、TSUMEM,、CVO敏感性參數(shù),實現(xiàn)單點產(chǎn)量的估算,;與實測單點產(chǎn)量相比,,該方法估算的R2、RMSE,、MAE、Bias分別為0.8665,、468.64kg/hm2,、385.70kg/hm2和103.08,為建立隨機森林回歸(Random forest regression,,RFR)區(qū)域估產(chǎn)算法提供準(zhǔn)確的單點產(chǎn)量訓(xùn)練數(shù)據(jù),。針對研究區(qū)(309.32hm2),基于不同長勢人工樣點產(chǎn)量數(shù)據(jù)建立的RFR區(qū)域估產(chǎn)算法,,區(qū)域估產(chǎn)精度為99.44%,,每公頃算法運行用時1.55s;應(yīng)用EnKF算法同化多時期面域LAI到PyWOFOST作物生長模型中的區(qū)域估產(chǎn)精度為89.01%,,每公頃算法運行用時約0.47h,;耦合PyWOFOST作物生長模型與RFR機器學(xué)習(xí)算法的區(qū)域估產(chǎn)精度達到95.58%,每公頃算法運行用時8.85s(訓(xùn)練數(shù)據(jù)的單點產(chǎn)量計算占總時長約81.35%),,顯著降低機器學(xué)習(xí)算法所需的人工成本和同化變量過程計算的時間及算力成本,。研究結(jié)果為準(zhǔn)確、快速的大區(qū)域作物估產(chǎn)提供理論支持和技術(shù)參考,。