由于淮河流域地处我国南北气候过渡地带,冬小麦整个生产期频频受到各种气象灾害(低温冷冻害、干旱、倒春寒、干热风等)的影响导致大面积减产甚至出现绝收,粮食产量的波动必然会引起国民经济的不稳定,因此需要精确可靠地得到冬小麦等农作物的播种面积、产量等信息,遥感则是在一定区域内获得这种信息的低代价的可靠工具。在淮河流域,主要农作物的生长周期内多为云、雨和雪天气,若使用常规遥感技术有一定困难。而雷达工作在微波波段的波长为1mm～1m,较长的波长使得雷达波受到云层的影响相对较小,能够穿云透雾,可以获取作物从冠层到茎干不同高度的信息等。正是由于这些特点,合成孔径雷达(SAR)被广泛应用于进行农作物分类、监测和估产等方面。国外学者应用雷达数据针对冬小麦进行识别、长势监测和估产,已经进行了相关研究。国内应用雷达数据对农作物识别估产也有相关研究,但对冬小麦进行估产研究才刚刚起步。冬小麦不同的生长期在雷达影像上反应的物理特性均有区别,其对应在雷达后向散射系数有明显区别。有针对性的应用不同生长期对应的雷达影像,选择小麦敏感性较强的生长期对应的雷达影像进行分析,得到估产模型。为了得到普遍适应本地化的冬小麦估产模型,本论文通过研究选择不同时相(冬小麦不同生长期)星载SAR不同极化影像,结合地面人工测产结果,建立冬小麦产量和多个时相后向散射系数关系的估产模型,优选出最佳的估产模型,实现冬小麦大面积估产。首先在安徽省涡阳县进行基于星载SAR的冬小麦估产模型预研究。在冬小麦收割前夕约一周左右进行试验田产量人工取样,并结合同期的SAR影像,提取后向散射系数,建立一元线性估产模型,估产精度超过80%。在之前预研究基础上,2013年和2014年连续选择安徽省淮河流域4、5月份的星载合成孔径雷达(SAR)影像——RADARSAT-2,同时收集该区域5月底冬小麦收割前的试验田产量资料。对卫星影像数据和试验田产量资料进行预处理和统计,应用RADARSAT-2不同极化(HH,HV)的后向散射系数,结合试验田人工估测产量,建立估产模型;优选出最佳的估产模型,实现冬小麦大面积估产,2013年计算的冬小麦种植面积和估产精度均接近90%。而2014年由于冬小麦出现大面积倒伏,人工取样样本完备性和取样估算比例经验不足,导致估产精度相比2013年下降。本论文选择冬小麦两个重要生长期——冬小麦返青分蘖期孕穗期成像的雷达影像图各1张,这些时期的影像图能够反映该区域冬小麦的生长趋势。而且,乳熟期,是冬小麦重要的生长时期,乳熟期冬小麦的灌浆已经基本完成,即将成熟,此时的穗鲜质量能直接反映产量,该时期冬小麦的几何形态受到麦穗的变化影响较大,雷达遥感对结构变化比较敏感,SAR对麦穗变化的敏感性可以用于直接估算冬小麦的产量。选择极化比VV/VH建立估产模型,实现了接近80%的估产精度。此外,我们也应用光学遥感卫星——环境与灾害监测预报小卫星(HJ)进行产量的估测,对雷达卫星估产结果进行相互验证。我们通过从HJ星提取的NDVI(归一化植被指数)和冬小麦乳熟期试验田产量的估产模型,达到了接近70%估产精度,并与2014年得到的雷达估产模型进行分析比较。星载SAR在冬小麦产量评估、长势等方面,以及其它农作物产量等方面监测,作为一个新的研究方向,正扮演着越来越重要的角色。