在作物整个生长和发育过程中始终存在着与其生长环境的物质和能量的交换,这种交换主要通过光合作用、呼吸作用和蒸腾作用等过程实现。土壤水分是土壤-作物-大气连续体的一个重要因子,也是实现作物一系列生理过程的主要介质,它的变化影响着作物蒸腾、光合作用和生物量的累积等。不考虑灌溉和降水等与土壤水分平衡相关的因子,由土壤剖面水分(通常是指水分能够被植物根系直接或间接吸收和利用的土壤深度内所含水分)在某一时段前后的变化量可以被定义为土壤水分供给量。土壤水分供给量与作物生物量和叶面积指数(LAD之间具有密切联系。定量遥感具有反演区域尺度植被指数、生物量和LAI等参数的优势,CERES-Wheat模型可以较为准确地模拟单个样点的冬小麦全生育期生物量、LAI和蒸散量的变化趋势,因此,充分利用遥感数据反演的和CERES-Wheat模型模拟的作物生长及环境参数作为土壤水分供给量反演模型的输入数据,对提升土壤水分供给量的反演精度具有重要的研究意义。以关中平原为研究区域,将日均分摊系数和按冬小麦各生育期生长和蒸腾耗水特点划分的分段蒸腾系数引入土壤水分供给量反演模型,利用模型反演2013-2014年关中平原单日和冬小麦全生育期的土壤水分供给量。结果表明,3月24日的土壤水分供给量的反演结果大于5月11日的反演结果,与这一时期冬小麦生长需水量的变化规律一致,关中平原冬小麦全生育期的土壤水分供给量主要集中于100-200mm,呈现出自东向西逐渐递减的空间分布特征,与关中平原冬小麦受水分胁迫程度的区域性变化趋势基本一致。在冬小麦全生育期有相当长的一个阶段地表覆盖率较低,需要同时综合考虑棵间土壤蒸发和作物蒸腾在作物整体蒸散中的比例以及实际蒸散量和参考蒸散量的关系。土壤水分供给量反演模型已经能够较好地调节土壤蒸发量与作物蒸腾量之间的关系,但在植被覆盖度较低的条件下,蒸散量反演结果受到生物量增长率过低的影响而偏小。为了对低植被覆盖期的蒸散量反演结果进行优化,向土壤水分供给量反演模型引入由CERES-Wheat模型模拟的冬小麦各生育期的作物系数与遥感定量反演的作物系数计算的作物系数因子,利用优化后的模型反演2013-2014年关中平原冬小麦全生育期土壤水分供给量,结果表明,引入作物系数因子的模型与未优化的模型相比,在冬小麦全生育期和低植被覆盖期的土壤水分供给量和蒸散量反演精度有明显提升。在引入作物系数因子对模型进行优化的基础上,基于遥感数据和地面实测数据,运用四维变分(4DVAR)与集合卡尔曼滤波(EnKF)数据同化方法对土壤水分供给量反演模型的输入的生物量和LAI进行同化。两种同化生物量、LAI与实测数据的对比结果表明EnKF同化方法能够更加有效地结合观测值与模拟值的优点,获得与实测数据更为相符的土壤水分供给量反演模型的输入数据。将EnKF同化后的生物量和LAI输入模型反演2013-2014年冬小麦全生育期土壤水分供给量,能够使各样点反演结果与实测值的平均相对误差从18.4%变化为14.1%,而RMSE从23mm变化为19mm。基于2000-2001年和2007-2008年冬小麦全生育期遥感数据和CERES-Wheat模型模拟数据,应用引入作物系数因子并经同化算法优化输入数据的土壤水分供给量反演模型对两个生育期的土壤水分供给量进行反演,结果表明两个生育期的区域尺度的土壤水分供给量的反演结果的空间及频数分布均与实际情况相符,且2007-2008年的各样点的反演结果与实测值相对误差在10%左右,最小相对误差仅有5.3%,RMSE为32mm,仅为部分旱作样点实测值的10%左右,表明本文提出的模型适用于不同年份的冬小麦全生育期的土壤水分供给量的反演。综合分析2000-2001年、2007-2008年和2013-2014年土壤水分供给量的反演过程及结果,在充分获取和综合考虑研究区域的降水、灌溉、地下水和地表径流信息时,可以提高土壤水分供给量反演模型的精度。在反演大空间范围的土壤水分供给量时,应充分地利用多时相遥感数据,尤其是冬小麦主要生育期的遥感数据,而且应该尽量获取多个卫星轨道的同一时段的多景遥感影像,便于多个卫星轨道覆盖区域的反演结果的融合,以提高大空间范围反演结果的精度。综上所述,本文通过引入日均分摊系数、分段蒸腾系数、作物系数因子及利用同化算法优化模型输入数据完善土壤水分供给量反演模型,并利用模型对关中平原冬小麦全生育期土壤水分供给量进行反演,反演结果通过了单点的数值验证和区域尺度的空间分布的验证,表明本文提出的土壤水分供给量反演模型在不同年份具有稳定性和适用性。