读书笔记
1 .Inversion of a canopy reflectance model using hyperspectral imagery for monitoring wheat growth and estimating yield。
文章利用一个机载高光谱图像传感器(airborne visible/infrared imaging spectrometer ,AVIS)和一个星载高光谱图像传感器获得的图像(compact high resolution imaging spectrometer, CHRIS)，得到一些观测参数，例如归一化植被指数，冠层的一些特征等。再利用地面观测数据，运用SLC (soil –leaf –canopy )辐射传输模型得到模拟的参数。再加入植物生长模型PROMET-V。利用四位数据同化方法估算小麦的产量。而且利用高光谱影像得可以得到需要的参数来监测小麦的生长状态。
2 .Use of remote sensing data for estimation of winter wheat yield in the United States
文章选用的研究区域为美国堪萨斯州。利用AVHRR 1982-2004年的数据(数据为每周获取一次)，提取VCI和TCI。经研究发现，冬小麦的产量和其四月到五月份(第16至23周)的VCI有很强的相关性。而四月到五月份是当地冬小麦生长的关键时间段。另外研究发现还发现冬小麦对于水分的状况比较敏感。根据相关性的分析，采用主成分回归算法，用VCI为输入参数建立冬小麦估产模型，估计冬小麦的产量。在冬天到早春冬小麦的冬眠期，VCI的应用受到限制，研究中采用卫星数据和气象数据相结合的方法来替代。
3 .Modeling of Wheat Yields Using Multi-temporal Terra/MODIS Satellite Data
文章的研究区域选取的是Uttar Pradesh的西部地区。所用的遥感数据是WiFS和MODIS的数据。利用作物生长的光谱数据和生物量来估计的作物的生长状况。其中作物生长的光谱数据由Badhwar模型获得，地面以上的生物量由Monteith模型得到。作物产量模型采用由WiFS和MODIS的数据得到的地表反射率和一些气象测量的参数作为输入。估产得到的产量数值与当地经济调查局BES统计得到的数据基本一致，误差小于5%。
4 .Improving an operational wheat yield model using phenological phase-based Normalized Difference Vegetation Index
文章选取的研究区域是Gezira scheme, Sudan，研究中利用Landsat和MODIS的数据结合地面观测的气象数据以及DEM等来估计小麦的产量、土壤水分蒸腾蒸发损失总量(evapotranspiration)以及water productivity(WP)等。其中利用
Landsat和MODIS的数据得到NDVI、半球反射率等，由地面观测的气象数据如地表温度、风速等，以及DEM通过地表能量平衡算法(SEBAL)可以估算出土壤水分蒸腾蒸发损失总量。研究结果还显示WP和小麦产量之间有线性关系。
