农业生产是人类社会赖以生存的基础,大范围的可靠农情信息是保障区域及全球粮食安全的重要依据。现代遥感技术能实现低成本、高时间分辨率、高空间分辨率农作物生长环境、长势、产量等的大面积监测,是常规监测手段无法企及的,对于现代化农业生产具有至关重要的意义。近年来,农业遥感向多尺度、多传感器、高精准发展,作物的物候是作物生长的重要信息,准确的物候信息的提取和估计是其他如作物施肥、灌溉,作物长势、估产等应用研究的重要基础,目前为止,国内外出现了各类基于植物植被指数时序生长曲线的物候遥感估计模型,但是针对具体农作物物候提取的方法和模型甚少,而且基本都仅仅基于宏观尺度上遥感获取的植被指数时序生长曲线的特征提取物候信息,很少顾及微观上作物的生长机理及其生长环境,本文提出一种新的基于遥感数据结合基于作物生长机理的作物模型和遥感监测模型的高精度农作物物候估计方法(以玉米和大豆为例),考虑作物生长的环境(空气温度和日照时间),并做多区域、多尺度的验证和分析；同时,为了得到物候估计模型的重要参数：近地面空气温度,文中还提出了一种新的基于遥感获取的地表温度估计近地面空气温度的模型。最后本文把在美国玉米带区域提出和验证的空气温度估计模型和物候估计模型应用于与美国玉米带作物种植与生长状况有一定差异的中国东北地区,并提出该区域基于遥感的高精度物候提取与农作物监测的可能方案。本文的主要研究内容可以概括为以下三个方面：(1)空气温度是很多农业应用的重要输入参数,也是本文中物候估计模型的重要输入参数。MODIS的地表温度产品被广泛应用于近地面空气温度的估计。在过去的研究中大都只是用白天的地表温度和夜间的地表温度来分别估计每天近地面最高和最低的空气温度,然而每天近地面最高空气温度和夜间的地表温度以及每天近地面的最低空气温度与白天的地表温度之间的关系被研究的甚少。本文将讨论和验证夜间地表温度用于估计每天近地面的最高空气温度和白天地表温度用于估计每天近地面的最低温度的能力,并用MODIS双星(Aqua和Terra)的2008年到2012年期间美国玉米带区域作物生长季(5-9月)的数据讨论和验证。本文按照站点周围的主要地表覆盖类型将其分类三大类：作物、森林和城市地表以便讨论各种不同地表覆盖类型对于由地表温度估计近地面空气温度的影响。研究结果表明用夜间地表温度比用白天地表温度估计每天近地面的最高空气温度的精度更高,而且结合白天和夜间地表温度估计每天近地面的最高空气温度精度均高于只用白天或夜间地表温度(RMSE在作物、森林和城市地表区域分别减小0.19-1.85,0.37-1.12和0.26-0.93℃)。本文中还详细讨论了空间和时间上影响近地面空气温度估计精度的重要因素(如卫星过境时间、气流团、灌溉等)。(2)作物物候信息的提取是精准农业监测的基础。本文提出了一种作物模型和遥感物候估计方法的思想相结合的遥感物候估计方法,能以较高的精度提取针对具体作物的所有重要物候期。以玉米和大豆为例本文分别从田间尺度和区域尺度对物候估计结果进行验证。在田间尺度上,通过与田间的物候实际观测数据对比,对位于美国内布拉斯加东部的试验田十年的数据进行模型精度验证,玉米的所有物候期的估计精度均方根误差RMSE从1.99到4.30天,大豆为1.93到4.88天。在区域尺度上,通过提取内布拉斯加州东部和爱荷华州区域上作物物候信息并与州作物生长进度统计报告对比、评估其大区域提取作物物候以及监测作物物候时空变化的能力,其结果表明该方法能得到较高的估计精度,玉米的重要物候期的估计精度RMSE从1.79到3.91天,大豆的从1.75到3.87天。通过加入作物物理模型,考虑了作物生长的环境因子,相较于单纯的遥感物候估计模型精度得到一定程度的提高。(3)中国东北地区是中国重要的粮食基地,前文的方法在美国玉米带得到较好的结果,但是美国农业有其独特性,如单块农田面积大便于遥感观测、农业机械化水平高、区域种植水平比较一致等。因此前文的模型以及数据在我国区域的适用性验证与讨论对该方法的改进和适用性的验证,以及中国东北地区高精度农作物遥感监测研究均具有重要的意义。本文把基于MODIS数据的空气估计模型和物候估计模型应用于中国东北吉林、辽宁两省,基于MODIS数据的空气温度估计实验结果也表明在中国东北地区用夜间地表温度比用白天地表温度估计每天近地面的最高空气温度的精度更高；而基于MODIS中国东北地区玉米物候估计精度比美国试验田低得多(玉米的物候估计RMSE从3.78到8.41天)。这主要是因为中国东北单块农田的面积普遍较小导致MODIS观测的数据存在诸多混合像元的问题,影响站点单块农田时序植被生长曲线的提取。因此本文通过新的Landsat 8卫星数据与多种时间尺度的MODIS数据时空融合,期望得到同时具有Landsat高空间分辨率和MODIS高时间分辨率的时序影像,并定性和定量地评估和验证其融合效果和精度。对比和讨论分别从融合后的时序影像和MODIS直接观测的时序影像计算得到的时序植被指数WDRVI,结果表明通过Landsat 8和MODIS数据的融合,既保证了时间分辨率,也一定程度上提高了其空间分辨率,并能一定程度上消除混合像元的影响。鉴于作者时间和水平有限,本文的研究工作还存在可以进一步深化的内容,主要包括：1)本文在基于地表温度估计空气温度时考虑的因素还有限,主要还可以从温度的日间变化、植被指数以及植被水分胁迫状况等方面进一步改进基于遥感数据近地面每天最高和最低空气温度的估计。2)本文的物候模型首先考虑了对作物物候发展最重要的两个因素：冠层空气温度和日照时间,后续的研究中有待进一步完善模型,如考虑水分的影响。同时本文提出的物候估计模型思想还可以扩展应用到更多类型的作物,如小麦、棉花、水稻等。3)本文拟通过Landsat与MODIS数据融合的方式拟解决该地区MODIS空间分辨率不足的问题,由于农业气象站点数目有限、部分物候观测数据的缺失以及本文数据覆盖范围不够大等问题并没有用数据融合的结果对本文的物候模型做精度验证,下一步工作将收集更多数据对该区域Landsat与MODIS数据融合结果应用于作物物候估计的定量精度验证,并进一步定量评估分别用8天合成和16天合成的MODIS影像与Landsat影像的融合结果应用于本文作物物候模型的物候估计精度。