夏玉米作为我国三大粮食作物之一,其安全生产关系到我国的粮食安全和民生安全,运用卫星遥感技术对县域范围的夏玉米生长情况和产量情况进行精确监测,能够让当地农业部门快速的收集农作物生长状况信息,并针对农作物生长发育情况快速的制定、调整、实施和推广相对应的栽培管理措施。本研究以江苏省徐州市丰县夏玉米作为研究对象,基于地面夏玉米实地考察数据和环境(HJ)卫星遥感数据,利用支持向量机(SVM)监督分类法对当地夏玉米种植面积进行县域范围的提取;同时使用神经网络算法分别对当地夏玉米拔节期和抽丝期的叶片叶绿素含量进行县域范围估算,并对其长势情况进行监测与分析;最后运用粒子群优化算法结合HJ卫星遥感数据对夏玉米产量模拟模型进行模型的参数优化,结合卫星遥感影像实现了丰县县域的夏玉米产量遥感估算。主要研究结果如下:(1)本研究利用夏玉米抽丝期的HJ卫星遥感影像,通过计算影像的最佳波段指数(OIF),确定包含影像信息量最大的影像组合波段为2-3-4波段,并基于实地考察建立的地物样方,完成夏玉米、水稻、其他植被、建筑、水体这五类地物样本的选取,利用选定的地物样本,使用不同核函数支持下SVM法对影像像元进行分类,其中Linear核函数的分类精度最高,选择其作为SVM法的最优核函数,同时将SVM法的夏玉米种植面积提取结果与其他两种监督分类方法(最大似然法和最小距离法)的夏玉米种植面积提取结果进行比较。结果表明:SVM法的夏玉米种植面积提取精度达到94.48%、影像分类精度达到95.85%、Kappa系数为0.9366,分类精度均高于其他两种监督分类方法。结合夏玉米种植面积遥感监测图,可知丰县的夏玉米主要种植于县中部、北部和县最南端地区。(2)本研究选取丰县夏玉米拔节期和抽丝期的HJ卫星遥感影像各一景,提取各生育期HJ卫星遥感影像上对应试验样点像元的光谱反射率,并利用其构建多种光谱植被指数。分析夏玉米叶片叶绿素含量实测值与对应试验样点上光谱植被指数之间的相关性,选取相关性较好的光谱植被指数作为夏玉米叶片叶绿素含量估算模型的输入量,构建夏玉米拔节期与抽丝期的BP神经网络和多元线性回归夏玉米叶片叶绿素含量估算模型,并利用检验样本对两种模型的估算结果进行精度检验,其中神经网络算法构建的夏玉米拔节期叶片叶绿素含量估算模型的估算R~2为0.8665,RMSE为0.8966;夏玉米抽丝期BP神经网络夏玉米叶片叶绿素估算模型的估算R~2为0.9042,RMSE为0.6808,且在夏玉米拔节期和抽丝期BP神经网络模型的夏玉米叶片叶绿素含量估算精度均优于多元线性回归模型。以夏玉米叶片叶绿素含量作为夏玉米长势指标,分析丰县县域范围夏玉米拔节期至抽丝期的叶片叶绿素含量变化与长势变化情况,结果表明夏玉米抽丝期的长势较拔节期发生明显变化,长势变化快和变化极快的田块面积分别为12724.47hm~2和3921.21hm~2,分别占夏玉米种植总面积的32.83%和10.11%。(3)本研究将夏玉米生物量作为夏玉米产量模拟模型的同化变量,基于多景HJ卫星遥感影像,对不同生育期的夏玉米生物量进行遥感估算,将估算值作为夏玉米生物量外部观测值,结合夏玉米产量模拟模型模拟的夏玉米生物量模拟值,构建代价函数,并使用粒子群优化算法对夏玉米产量模拟模型进行参数优化。参数优化后的夏玉米产量模拟模型的产量估算R~2为0.8633,RMSE为237.47kg/hm~2,模型估算精度较模型参数未优化前有明显提升,并结合产量遥感转换模型实现了整个丰县县域范围的夏玉米产量估算。由结果可知丰县2018年的夏玉米高产田面积达到8713.89hm~2,占夏玉米种植总面积的22.48%。