农作物遥感估产区划是农作物遥感估产的基础, 它为估产研究和实践提供了重要的科学依据。 以冬小麦生育期内的MODIS EVI时间序列作为分区数据, 选择江苏省为试验区, 探讨了一种改进的光谱角制图和K均值聚类相结合(光谱角聚类)的分区方法, 并在冬小麦遥感估产中进行了试验。 结果表明: 光谱角聚类分区方法充分利用了MODIS时间序列数据所反映的农作物生长进程, 可以充分体现气候差异所带来的冬小麦区域差异; 与传统分区相比, 基于光谱角聚类分区方法所得到的遥感估产结果具有较高的决定系数R2(0.702 6比0.624 8)和较低的均方根误差RMSE(343.34比381.34 kg·hm-2), 体现了该分区方法在冬小麦遥感估产中的优势。 光谱角聚类分区方法仅以获取便利的低分辨率时间序列遥感数据为分区数据, 且能很好的将冬小麦划分为特征性质一致的区域, 所得遥感估产模型的精度和稳定性也较好, 为冬小麦遥感估产分区提供了一种有效方法, 有利于进行冬小麦遥感估产研究。

利用MODIS数据, 以河北石家庄和邢台地区冬小麦产量估算为例, 探讨了综合植被指数与陆表温度的温度植被角度指数在农作物估产中的应用研究.首先, 根据冬小麦物候历, 计算了冬小麦抽穗期四种参量指数：归一化植被指数(NDVI)、增强型植被指数(EVI)、温度植被角度指数(TVA)和增强型温度植被角度指数(ETVA)；其次, 将实测的冬小麦产量数据与NDVI、EVI、VTA和EVTA数据进行回归分析, 建立模型.结果表明, 实测产量数据与这四种指数均具有很好的线性回归关系, 相关系数R2均在0.60以上(分别为0.61、0.65、0.68、0.74), 其中基于TVA和ETVA的估产模型要好于NDVI和EVI模型.由此可见, 综合了MODIS光学反射和辐射信息的TVA/ETVA, 能有效应用于实践估产中, 并提高预测的准确性.