卫星资料与作物生长模型在农作物长势监测与大面积估产能够优势互补。遥感资料虽然观测范围广，但是只能反映作物冠层表面的的瞬间信息，难以描述作物的生长过程；作物模型能够以天为步长，从作物生长过程中的物质与能量转换的机理来描述作物的生长，但是作为单点模型，很难进行大范围的使用，因此将二者有效的结合能够大大提高农业遥感的水平。数据同化是实现遥感与作物模型结合的很好途径，本文利用MODIS LAI数据，地面实测数据和ALMANAC作物模型对两者同化的可行性进行了研究。研究工作包括以下方面：（1）作物模型的本地化和区域化该研究以黑龙江省海伦国家农业实验站的大豆种植区为研究区，利用SOBOL算法首先进行ALMANAC的敏感分析，确定最敏感的作物的遗传参数值，完成模型的“本地化”；然后在模型本地化的基础上进行全局敏感性分析，确定模型区域应用扩展时的敏感参数。（2）同化算法实现①直接最小化方法：利用模拟退火算法进行MODIS LAI，与ALMANAC模型的同化研究，确定模型敏感参数的最优值，进行产量模拟。对比实际产量我们讨论了不同数目的外部同化数据对同化精度的影响，然后对比了以地面实测数据为外部同化数据的模型模拟结果。②变分同化算法：将变分方法和伴随模式引入求解代价函数的过程中，求解令代价函数最小时的敏感参数，评价模型模拟LAI值与MODIS LAI的差异，对比同化后的模型与原始模型对作物产量模型的模拟精度③集合卡尔曼滤波同化法：利用滤波原理求得同时间模型模拟LAI和MODIS LAI的最优值，获得最优敏感参数，模拟田间产量，对比未同化模型。