油菜是我国最重要的油料作物之一,在国民经济发展中占据着举足轻重的地位,因此,实时、快速、准确地估测油菜长势,在油菜生产管理、灾害防治中显得至关重要。叶片氮浓度（Leaf Nitrogen Concentration,LNC）、地上部生物量（Above Ground Biomass,AGB）、氮素积累量（Nitrogen Accumulation,NA）、生育期（Growth Period）、叶面积指数（Leaf Area Index,LAI）以及产量（Yield,Y）等因素可以较为准确地反映油菜生长状况与营养水平。无人机遥感技术以其操作简便、省时省力、成本较低等优势在农作物长势监测领域脱颖而出;作物生长模型以其综合考虑气象因素、土壤因素、管理参数、机理性强等优势成为近年来研究农作物长势的重要手段。本文以不同施氮水平、不同生育期的冬油菜为研究对象,分别建立了基于经验统计模型和作物生长模型的冬油菜长势参数预测模型,并以蕾薹期为例,对两种方法的预测结果进行对比分析,探讨两种方法各自的优缺点以及适用范围。围绕上述研究内容,得到的主要结论如下:基于植被指数进行冬油菜氮营养参数（LNC、AGB、NA）估计。以无人机得到的蓝、绿、红、红边、近红外五波段影像为基础,计算得到常用的12个植被指数,对比分析这12种植被指数与LNC、AGB和NA的相关性。以蕾薹期为例,利用经验统计模型进行4种传统回归模型分析（线性函数、指数函数、对数函数、多项式函数）,发现与线性方程相比,二次方程精度均有所提高（R²）,所以本研究选用二次方程模型作为最佳评估预测模型。以二次函数模型为基础,挑选R²较高且RMSE较低的8个植被指数做进一步的敏感性分析（Noise Equivalent,NE）,结果显示,红光标准值NRI1和蓝光标准值NBI对LNC、AGB、NA的变化均敏感且估计精度较高。NRI1对LNC、AGB和NA的验证集决定系数R²分别为0.94、0.99和0.96,NBI对LNC、AGB和NA的验证集决定系数R²分别为0.94、0.98和0.98,能够较为准确地估算冬油菜氮营养参数。APSIM-Canola模型中,影响冬油菜生长的主要参数包括物候参数(CTT_JUV、CTT_FI、CTT_FL、CTT_{St GF}、CTT_GF、VD_max、DL_min、DL_max)和生物量参数（HI、RUE、Node phyllochron、Leaf size、node＿no＿app、leaf number）两大类,考虑到每一个参数的变化都会对模拟结果产生影响,因此,调参时需要根据不同的需要选择合适的参数进行调整。通过对APSIM-Canola模型进行调参,发现APSIM-Canola模型对冬油菜生育期、LAI、生物量和产量的预测效果均较好（验证集的决定系数R²均大于0.6）,实测值与预测值的1:1关系图中所有点都均匀的分布在对角线两侧,说明APSIM-Canola模型可以用于预测冬油菜长势参数,这为冬油菜的长势监测与产量估计提供了理论依据。以蕾薹期为例,对比经验统计模型和作物生长模型对生物量的预测效果。结果发现,经验统计模型的预测效果较好,在预测值与实测值的1:1关系图中,所有散点都均匀地散落在对角线附近,NRI1预测的决定系数R²为0.86,均方根误差RMSE为587.47kg/ha,NBI预测的决定系数R²为0.92,决定系数R²为647.52kg/ha。APSIM-Canola模型的预测值稍微高于实测值,决定系数R²为0.61,均方根误差RMSE为801.93kg/ha。但是APSIM-Canola模型具有机理性强、对实际生长环境的模拟效果较好等优点,因此,在实际使用中可以根据不同需求合理选择模型。