提　要　从遥感信息参数和植物生理生态参数出发，建立了遥感—光合作物产量机理模型 (RSPCYM)，其中包括直接以遥感信息获取吸收光合有效辐射 (APAR)，将用以完整表示作物生育期中光合时间的作物光合同化势 (CPAP) 引入到遥感—光合作物产量模型中，同时利用遥感信息求算作物光合速率，进而建立遥感—光合作物产量模型。将建立的模型用于典型区域的冬小麦作物产量估测研究中，表明发展的模型有可比的精度。

关键词　遥感；作物光合作用；作物产量；估产模型

中图分类号　TP79； Q945.11

文献标识码　A

文章编号　1000-3037(2000)02-0170-05

　　随着人口的增加，耕地资源的锐减，人口粮食矛盾日益突出，用现有的耕地资源估计农作物的产量逐渐引起国家和政府部门的高度重视。近年来，遥感技术在农作物估产方面的研究日益深入^[1-3]。但已有的研究表明，在遥感估产中考虑农学和植物生理、生态机理方面，仍然是相当薄弱的环节，从根本上影响了估产的精度，难以准确建立光谱资料、叶绿素含量、叶面指数及光合作物产量的关系。因此，研究以农学和作物生理生态为基础的作物季节增长节律模型和光合生物量机理模型是准确地提高估产精度的必须研究的重点内容。

1 研究方法和技术路线

1.1 遥感—光合作物产量模型 (RSPCYM) 的建立

　　下图表示遥感—光合作物产量估测概念模型（图 1）。

图 1 遥感 - 光合作物产量估测概念模型
Fig.1 Crop yield estimating concept model based on remote sensing and plant photosynthesis

　　图 1 中，叶面积指数以 LAI 表示 (m²m^-2)；光合同化势以 CPAP 表示 (m²m^-2)；总第一性生产力以 GPP 表示 (gm^-2a^-1)；净第一性生产力以 NPP 表示 (gm^-2a^-1)；作物产量以 Yc 表示 (gm^-2a^-1)；光合速率以 Pn 表示 (gCO₂m^-2s^-1)。

其中，

　　NPP=GPP×(1-R_d) (2)

　　Y_c=f(ξ)×GPP (3)

　　CPAP=(LAI¹＋LAI₂)(T₂-T₁)/2 (4)

　　式 (1) 至式 (4) 中的 NPP 是总光合同化量与呼吸消耗的差；i=1…m，表示人为划分的作物各生育期。式 (1) 反映了光合作物产量的主要贡献因子：光合速率、光合时间、光合面积，因而可表示为光合作物产量模型。CPAP 是单位土地面积上作物群体的叶面积与叶持续时间的乘积，其中 LAI₁、LAI₂ 分别为生育期 T₁ 和 T₂ 时刻的叶面积指数，R_d 为呼吸消耗的比率，一般取 0.3^[4]。式 (3) 中的 f(ξ) 应为作物产量综合影响因子，无量纲，具体计算如下：f(ξ)=30／44(CH₂O 克分子/CO₂ 克分子 )×0.35（经济系数）×[1-0.30（呼吸消耗）]×[1-0.08（灰分）]×[1-0.10（水分）]=0.13791≈0.14。叶面积指数的具体计算见式 (11)。

1.2 作物群体的光合速率模型构建

　　估算作物的平均光合作用速率，应建立在其单叶光合作用的基础上，再在时间和空间要素上进行时空积分。作物层内光合作用可以等轴双解析曲线模式来描述，t 时刻光合速率表达式为^[5]：

其中，P_t 为 t 时刻作物的光合速率 (μmolCO₂m^-2s^-1)，α(μmolCO₂m^-2s^-1/μmol Photons m^-2s^-1) 和 Pmax(μmolCO₂m^-2s^-1) 分别为光初始利用效率和最大光合速率，冬小麦各生育期的取值见表 1。APAR

[1] [2] [3]  下一页