作物冠层反射光谱直接反映作物的营养和生长状况，因此，构建基于冠层光谱特征的作物营养和长势监测模型，并实施养分精准管理一直是精准农业领域研究的重要内容。　　 本研究以黄淮海平原小麦-玉米轮作体系中的两种作物为研究对象，以多年不同氮素水平的田间试验为基础，综合分析冠层光谱特征与作物农学参数之间的相关关系，通过植被指数回归分析、偏最小二乘法回归分析(PLS)、反向传播神经网络(BPN)、径向基神经网络(RBFN)和支持向量机(SVM)等方法构建作物氮素、叶绿素、LAI、地上部氮素累积量的光谱估算模型，系统地比较植被指数回归方法与PLS方法以及非线性回归方法(BPN、RBFN、SVM)估测作物农学参量的精度，进一步得出适于当地的作物农学生理参数估算模型；研究在单独构建小麦、玉米氮含量估算模型基础上，尝试建立小麦和玉米统一模型；采用相同分析方法构建不同生育期冠层光谱特征与作物产量之间的模型，以确定最佳的产量预测时期和方法；另外，比较不同施氮模型在该地区的应用情况，以寻求合理的施氮模型。研究主要结论如下：　　 首先对不同年份小麦和玉米的冠层反射光谱特征随不同氮素水平的变化规律进行分析，结果显示，可见光范围内反射率随施氮量的增加而降低，近红外区域则有升高趋势。采用植被指数回归、PLS、BPN、RBFN和SVM等方法构建作物植株含氮量、叶绿素、LAI、地上部氮素累积量光谱估算模型，通过独立试验验证，筛选出最佳的估算模型。　　 结果表明，经过对比分析采用PLS、BPN、RBFN和SVM方法对农学参量的估测精度总体上高于常用的植被指数回归方法。基于冠层光谱反射率采用PLS方法估算小麦各参数都可以达到较好的效果。但是，玉米农学参数模型的方法变化较大，采用NDVI(1200，560)回归方程可以准确地预测玉米植株含氮量，RBFN方法用于预测玉米叶绿素含量、地上部氮累积量精度最高，SVM方法构建的光谱反射率-LAI模型预测精度最高。　　 另外，采用相同方法构建小麦和玉米农学参量统一模型发现，采用PLS回归方法构建含氮量、地上部氮累积量模型效果最佳；SVM方法估算叶绿素含量最优；RBFN和SVM估测LAI时可以有效地解决由植被盖度大造成的饱和现象，在LAI较大时，亦可以取得较好的预测效果。　　 以不同生育期的作物冠层反射光谱为基础，采用不同研究方法对产量进行估算，分析产量估测的敏感生育期和研究方法。小麦产量估算方法中以NDVI和PLS回归预测效果最好；从生育期来看，抽穗期到乳熟期小麦冠层光谱特征可以较好地反映产量变化，开花期NDVI回归和孕穗期PLS回归方法预测精度最高。玉米产量采用BPN和PLS回归方法都取得了较好的预测精度；从生育期来看，孕穗期、抽雄期和乳熟期结果都较理想，孕穗期PLS回归得到的RMSE最低。研究表明，非线性回归方法对于提高产量的估算精度具有很大的潜力。　　 以前期试验数据为基础，根据NDVI回归和最优化算法原理建立作物施氮模型，并通过试验评价模型的可靠性。结果证实采用冬小麦返青期NDVI来指导氮肥施用可以做到经济效益和环境效益兼顾，表现为相对较低的施氮量，较高的产量、氮肥利用率以及低的硝态氮残留。玉米试验中由于基础肥力较好，玉米生长期短，各处理产量均无显著差异，经济效益增加也未体现，但大部分光谱推荐施氮处理的氮肥利用率要高于传统施肥处理。研究进一步说明，无论小麦还是玉米，在当前肥力条件下，可以适当减少基肥或前期施氮量，后期通过作物特性来调整施肥量，可以在保证作物氮素营养的前提下，减少氮肥损失，提高氮肥利用率。