我国是世界上最大的稻米生产国和消费国,我国粮食总产量近一半为水稻产量。因此,水稻作为我国第一大粮食作物而倍受重视。水稻生长监测能够提供水稻长势、产量丰欠等重要信息,这些信息是国家和政府制定政策、实施经济计划的重要依据。利用遥感数据可以大范围长时间获取植被冠层信息及作物模型能较好地模拟单站作物生长状况的特点,将水稻模型(ORYZA2000)与遥感信息耦合,以达到大面积水稻生长监测的目的。本文首先基于2010-2011年田间试验数据及单站天气数据,将ORYZA2000水稻模型引入,在参数敏感性分析及参数定标的基础上,实现模型本地化；利用格点化天气数据驱动模型,分析了研究区受光、温、水、热影响的苗情分布状况;提取研究区内农气站点的生育期数据,同时对遥感数据进行S-G滤波,消除噪音,然后根据经验公式计算LAI,得到LAI的时空分布；在此基础上,利用水稻不同生育期(移栽期、抽穗期及成熟期)在LAI时间序列上的表现特征得到研究区生育期的时空分布;最后用格点化天气数据、生育期数据及LAI数据驱动模型,完成水稻估产研究。主要结论有：(1)模型参数的敏感性分析结果表明,ORYZA2000模型的参数中,EMD(播种期)和TOD(水稻最适温度)对模拟结果的影响显著。(2)在江西单站试验中ORYZA2000在综合评价的准确性方面较高于WOFOST模型,尤其在对穗生物量和叶面积指数的模拟。(3)ORYZA2000模型在安徽地区对生育期长度的模拟为模拟值小于实测值,表现为2-7d的低估。各生育期长度的NRMSE在3.4%~7.5%,叶面积指数及生物量方面,2010年和2011年两组数据各项指标的NRMSE:地上总生物量为16%~22%,绿叶生物量为20%-25%,茎生物量为17%-21%,穗生物量为19%~25%,叶面积指数为24%-26%。总生物量及产量的NRMSE分别为6%-13%和5%-14%。(4)江苏地区单站各生物量的模拟平均值与实测平均值较为接近,t检验值概率均大于0.05,无显著差异。地上部总生物量、绿叶生物量、茎生物量及穗生物量的NRMSE分别为9%、19%、18%、13%、25%和16%、25%、17%、19%、24%。(5)利用格点化的气象数据驱动模型,实现了ORYZA2000模型的区域化。只受天气条件的影响,江苏沿海地区多表现为一类苗区域,能为水稻生长发育提供充足的光照及水稻生长所需的积温；而江苏中部地区为过渡区,受水热条件影响,苗情变化自北向南依次由一类苗转变为二类苗：江苏南部地区表现为三类苗区。(6)将遥感信息反演的EVI时间序列数据进行S-G滤波,并提取生育期,与实测资料对比,出苗期、幼穗分化期和成熟期的结果绝大部分都在±16d以内,而移栽期和抽穗期绝大部分在±8d以内。(7)产量估产研究,江苏省50个站点的模拟结果中,最小误差为1.55%,最大误差为11.56%,平均误差为5.17%,模拟值高出实际值的幅度不超过10%,总体精度较高。