作物生长模型能够动态反映作物生长发育的内在机理过程,现已成为农业研究最有力的工具之一。但是,目前多数作物生长模型对农业生态系统的描述仍过于简化致使形成大量参数,而参数化的不准确或参数的不确定性降低了模型的模拟能力。地面或遥感等多元观测数据与作物生长模型的同化为改善模型模拟精度提供了一种有效途径。本研究以河北固城和河南郑州代表站点的夏玉米生长发育为例,开展基于Price和Do wnhill-S implex算法的观测数据与WOFOST模型同化方法研究。首先进行WOFOST模型参数的敏感性分析,考察遥感反演LAI和地面实测作物生长发育等多元观测数据对WOFOST模型不同参数或变量初值的约束能力,然后比较基于Price算法和Downhill-Simplex算法的观测数据与WOFOST模型同化的异同。最后探讨WOFOST模型同化夏玉米不同发育时段遥感观测信息的效果。主要研究结论有：(1)建立了基于Price算法和Downhill-Simplex算法确定待优化参数的的观测数据与作物生长模型同化方法。首先开展观测数据与作物生长模型同化方法的正确性验证。然后利用Price算法和Downhill-Simplex算法进行WOFOST模型所有参数和变量初值的敏感性分析,遴选出模型状态变量的敏感参数；接着,针对Price算法根据拟合优度和参数优化值之间的关系进行敏感参数的约束性分析,确定各状态变量的可约束参数；最后探讨观测数据与作物生长模型的同化过程,在Price算法中以可约束参数为待优化参数,在Simplex算法中根据参数的敏感程度、生物学意义以及尽可能选择较少参数的原则获得多种参数组合并比较模拟效果,选取误差最小组合作为待优化参数；对待优化参数进行组合优化,得到各参数的最优值,并利用实测数据对优化结果进行验证和评价。(2)利用Price和Downhill-Simplex优化算法获得WOFOST模型不同状态变量的敏感参数和不同观测数据的可约束参数。敏感性分析显示,在潜在生产水平下,WOFOST模型中贮存器官干重和地上部总干重的最敏感参数主要为拔节至抽雄期的比叶面积、贮存器官相对维持呼吸速率和乳熟后期最大CO2同化速率,而LAI的最敏感参数为初始地上部总干物重、初始比叶面积和初始叶片最大C02同化速率；水分胁迫生产水平下,各状态变量的敏感参数增加了根深最大日增量、初始土壤有效水等与土壤水分平衡有关的参数。利用Price算法进行约束性分析显示,夏玉米观测数据对WOFOST模型的可约束参数主要包括初始总干物重、不同发育阶段的比叶面积、初始最大C02同化速率、叶片衰老系数、初始土壤有效水、最大根深日增量等；LAI、贮存器官干重、地上部总干重和土壤水分含量的可约束参数并不完全相同。(3)基于Price算法和Simplex算法实现了地面观测数据与作物生长模型的同化。在模型参数敏感性分析以及约束性分析的基础上获得了待优化参数,通过观测数据优化确定参数的最优值,并进行模型模拟性能检验,由此实现了观测数据与作物生长模型的同化。两种优化算法对同化效果的比较显示,利用Price算法实现观测数据与作物生长模型同化时多数输出变量与实测值间的误差更小,同时Price算法通过约束参数确定待优化参数也更具有理论依据,因此确定Price算法为观测数据与作物生长模型同化中较适宜的优化算法。这为遥感数据与作物生长模型的同化提供了依据。利用WOFOST模型和观测数据的同化获得了一套适用于河北固城和河南郑州的夏玉米的作物参数、土壤参数及变量初值。模拟检验表明,同化观测数据后WOFST模型能够较好地反映当地夏玉米生长发育及产量形成过程。(4)在站点尺度上实现了遥感信息与作物生长模型的同化。根据试验观测数据初步建立了遥感反演华北夏玉米LAI (1km*1km)与地面单点实测LAI的相关关系,据此对遥感反演LAI进行订正,并根据可约束参数的敏感性和优化效果确定了遥感反演LAI与作物生长模型同化时的待优化参数,在单点尺度上实现了作物生长模型与遥感信息的同化。利用不同发育阶段遥感监测信息与作物生长模型同化显示,随着遥感数据覆盖发育阶段的增多模拟LAI的误差减小。不同发育时段的遥感反演LAI与模型的同化效果不同,乳熟-成熟阶段对模拟LAI最重要,出苗-拔节期对模拟WSO和TAGP最重要,拔节-抽雄期对模拟WLV和WST最重要。本研究利用优化算法通过敏感性分析、约束性分析逐步筛选模型数据同化的待优化参数,大大缩小了待优化参数的选择范围,最终获得了少而精的待优化参数,达到了较好的同化效果,更具科学性。同时,本文的同化研究考虑了多种观测数据的综合作用,从而使同化结果达到更优。本研究为下一步建立区域遥感-玉米生长模型,开展作物生长定量评价奠定了基础。