利用遥感技术进行作物识别、生物量估算,不仅有利于认识作物生长发育规律,而且能够适时获取区域尺度上的农情信息,从而为农业生产管理提供有效的决策支持。为更加准确有效地估算作物主要生长季内的生物量,本研究利用支持向量机（Support Vector Machine,SVM）、随机森林（Random Forest,RF）和分类回归树（Classification and Regression tree,CART）对研究区域的冬小麦、夏玉米进行识别,综合分析了三种算法在小区域的作物识别性能,并将最优的识别结果应用到生物量估算中。考虑到归一化植被指数（Normalized Differential Vegetation Index,NDVI）反演作物生物量的局限性,本文基于对植物叶绿素变化敏感的窄波段红边信息对原始CASA模型进行改进,并反演了冬小麦、夏玉米主要生长季内光合辐射有效比例（Fraction of Absorbed Photosynthetically Active Radiation,FPAR）和生物量。其次,研究深入分析了作物理化参数NDVI、FPAR、实际光能利用率（Light Utilization Efficiency,LUE）和生物量的季节性变化趋势以理解作物生长规律。最后,为分析作物生物量估算的不确定性,本文进一步探讨了不同植被指数反演FPAR的差异性,以及与LUEmax空间分布和影响因素。本文主要研究内容和主要结论如下:（1）SVM算法在华北平原小区域、多特征的作物识别时性能最佳,识别效果最优。通过格网收搜方法对SVM、RF、CART进行调参,并识别冬小麦、夏玉米种植区域。结果表明:相对于RF和CART,SVM算法识别的两种作物面积误差最小。同时,SVM算法总体精度、用户精度、制图精度、kappa指标均要高于RF和CART,而CART四种识别指标均低于SVM和RF。此外,三种算法的作物识别区域差异表明,对于不同子区域的作物识别,SVM和RF识别效果均优于CART算法识别效果。（2）基于红边信息的CASA模型反演的FPAR精度高于原始CASA模型反演值。考虑到宽波段植被指数NDVI易饱和的问题,研究使用对植被叶绿素反映更加敏感红边植被指数反演FPAR。与MODIS FPAR产品相比。与MODIS FPAR产品相比,NDVIred-edge和SRred-edge反演的FPAR精度（R~2=0.72、R~2=0.53）高于原始CASA模型中宽波段植被指数NDVI反演精度R~2=0.64和R~2=0.44。此外,研究计算了模型所需的其他参数:太辐射数据（SOL）、地表水分指数（LSWI）、实际光能利用率（LUE）,最终估算了冬小麦、夏玉米主要生长季的累积净初生产力（Net Primary Productivity,NPP）和生物量。与实测数据相对比,改进的CASA模型作物生物量估算精度（R~2=0.73、R~2=0.70）高于原始模型R~2=0.60和R~2=0.49。（3）作物主要生长季内,NDVI、FPAR、LUE理化参数存在变化存在差异,并且影响生物量的季节变化。研究表明:除作物的LUE取值存在细微的差异外,两种作物的理化参数NDVI、FPAR和生物量在主要生长季都存在明显的递增变化趋势。冬小麦生长季内,由于环境因子胁迫较小,使得参数NDVI、FPAR、LUE都呈递增的趋势,进而促进了生物量的增长。在夏玉米生长后期,随着水、温胁迫的加剧,使得NDVI、FPAR、LUE呈下降趋势,进而影响生物量的累积。（4）与非红边植被指数相比,红边植被指数反演的FPAR精度更高。本文进一步比较了不同植被指数(NDVI、SR、MSR、EVI、MSRred-edge)反演FPAR与改进CASA模型反演FPAR精度差异,结果显示,NDVIred-edge和SRred-edge反演FPAR精度均高于其他植被指数反演精度。这表明,与其他宽波段植被指数和红边植被指数相比,NDVIred-edge和SRred-edge对植物体光合性能的敏感性更强。（5）作物季节平均LUEmax与纬度、太阳高度角、月均温、月降水因素相关性明显。通过分析我国已公布LUEmax与纬度、月均太阳高度角、月均太阳辐射、月均气温、月均降水、海拔的空间分布和相关性,研究认为冬小麦、夏玉米与纬度、太阳高度角、月均温、月降水因素存在明显相关性,而且C3作物（冬小麦）、C4（夏玉米）与这些影响因素相关性不同,但都受到纬度、太阳高度角、月均温、月降水的影响。两种作物与太阳辐射、海拔相关性较弱,这表明作物季节平均LUEmax受地形影响不大,而且不直接受到太阳辐射的影响,而是受温度和降水的影响较大。