农作物受重金属胁迫后,其生理生化参数会发生变化,并引起光谱响应特征的变化。传统的高光谱遥感分析方法多针对作物外观和叶片结构的变化,没有考虑胁迫作物生理生化参数随生长过程的动态变化特征。利用遥感与作物模型同化,可以有效地模拟作物生长过程,实现生长参数的时空域连续描述,基于时空尺度优化的最佳耦合机制研究是解决这一问题的关键。本研究首先在长春实验区测量数据的基础上,构建田间尺度下的同化框架。基于WOFOST模型,向光合作用同化效率中加入胁迫因子fM,模拟重金属污染下水稻生长参数的持续性变化及光谱响应机制。同时,对同化观测量进行优化选择,提取不同生长阶段对重金属胁迫具有稳定响应的3种诊断光谱参数以提高模型精度。将优化后的胁迫因子代入WOFOST模型,实现对叶面积指数(LAI)、穗重(WSO)和地上总生物量(TAGP)的连续模拟,模拟精度达到94%以上。在田间尺度下构建的同化模型进行大尺度区域化应用时,会因空间升尺度而出现环境因子的空间异质性问题。通过模型输入参数的区域化,实现同化模型的空间尺度扩展。由于作物根系对重金属污染最为敏感,因此选择水稻根重作为胁迫诊断参数。基于改进的NDVI指数反演研究区的LAI,将LAI作为同化观测量以获取胁迫因子在研究区内的空间分布。利用同化后获取的胁迫因子,逐像元驱动WOFOST模型,实现对水稻根重的时空域连续模拟,并通过根重的变化表征农田重金属污染胁迫程度的差异。对同化模型的时间尺度进行优化,可以提高同化效率,保证在大区域逐像元驱动模型运行时的可靠性。基于同化模型,实现研究区内水稻LAI的动态模拟。采用Daubechies 5小波函数对LAI曲线进行分解,获取高频系数,LAI原始曲线的奇异点对应着小波高频系数的极值点。以极值点构成的极值区为参考,确定遥感数据与WOFOST模型同化的4个时间点。选取准同步的4期遥感影像进行同化,并与全部7个时期影像参与同化的方案进行对比。结果表明,基于优化后的时间尺度,能在保证精度的基础上提高同化效率,将同化模型的单点运行时间缩短30%以上。