作物产量估算是农情监测的重要任务，提前获取作物产量的准确数据有利于我国在世界粮食贸易中掌握主动权。使用遥感技术和作物生长模型开展作物产量估算各有各的优势和不足，作物生长模型在点尺度上可以达到较好的模拟精度，当扩展在区域尺度上时，由于模型参数获取困难造成应用受到限制。而在使用遥感长势参数进行作物估产时，大多研究是基于全生育期或某几个生育期直接进行估产，使用的遥感作物长势参数单一，忽视了作物不同生育期内生长状态对作物产量的影响，迫切需要在作物生长的各个生育期内的多个估产因子开展更为深入的研究。　　本文以陕西关中地区为研究区，收集整理了当地冬小麦、玉米多个生育期的实测ASD高光谱数据、植株生理生化数据、气象数据，并获取同步的MODIS影像数据和相关影像数据，利用粒子滤波同化算法，构建了点尺度上的WOFOST+PROSPECT+SAIL模型作物估产的同化框架，优选了可以作为遥感信息与作物生长模型相结合的同化观测量-修正三角植被指数MTVI，并在此基础上了深入对比了不同同化时间尺度下的效果。结果表明:随着遥感数据同化作物生长模型时间尺度的逐步增大，同化后模型运行的效率逐渐提高，但精度逐渐降低。基于各时间尺度下模型同化的运行时间和模型精度差异，认为选择8天-16天之间的同化时间尺度作为当地冬小麦WOFOST模型同化的时间尺度是合适的。　　另外从遥感数据入手进行了空间尺度上作物估产最佳生育期的研究。首先利用PROSPECT+SAIL模型结合实际观测数据分析了可以在空间尺度上开展作物估产的植被指数以代表作物长势，具体包括代表叶面积指数的修正三角植被指数MTVI，代表植被叶绿素含量的绿度归一化植被指数GNDVI，并改进了归一化水分指数NDWI以更好的代表植被水分，同时还引入了影响作物产量的外部因素-土壤水分和温度因子，并利用SG滤波对2007-2011各年的作物叶面积指数、叶绿素、植被水分的三个估产因子进行了时间序列平滑处理。使用这五种作物估产因子结合关中地区2007-2011年五年各县市的冬小麦和玉米统计产量分别进行了全生育期和各生育期的建模，并使用主成分分析法对五个估产因子的贡献大小进行了分析。通过在不同生育期下估产模型的比较，认为使用遥感估产因子对冬小麦估产的最佳生育期为拔节期，玉米的最佳估产生育期为乳熟-成熟期，最后利用2012年关中地区的产量数据对模型进行了验证，模型精度在90％左右。