水和肥是冬小麦生长过程中必不可少的影响因素,及时获取植株水氮状况,对提高作物水氮管理水平,确保作物的提质增效具有重要的意义;粮食的优质高产关系国计民生,在自然条件下通过灌水、施肥对冬小麦产量进行实时、准确监测,以确保冬小麦增收增产。本文以不同水分处理和不同氮肥处理下的冬小麦为研究对象,研究了植株含水率、植株含氮量与光谱反射率之间的响应关系,分别构建了全生育期最优单参数回归模型、分生育时段组合模型与相应的主成分回归模型等冬小麦植株含水率光谱监测模型和植株含氮量监测模型;同时基于实测的冬小麦冠层高光谱信息,利用基于Landsat8 OLI传感器的光谱响应函数模拟多光谱反射率,构建基于光谱变换和植被指数的含水率及含氮量估算模型,以此为基础提出基于水氮耦合的区域产量估算模型,为区域性冬小麦水氮管理及产量监测提供了理论方法与技术支撑。研究结果表明:(1)不同水分处理下,冬小麦植株冠层反射率在可见光波段范围内随着灌水量增加而降低,在近红外波段范围内随着灌水量增加而增加;不同施氮水平下,在可见光波段范围内,随着施氮量增加,冬小麦植株冠层反射率呈降低趋势,而在近红外波段范围内的变化特征与之相反。(2)以各生育时段的光谱变换与“三边”参数的相关系数最高为原则,建立了分生育时段基于光谱变换与“三边”参数的植株含水率监测模型组合,与全生育期最优单参数回归模型相比,该分生育时段组合模型显著提高在各个生育期植株含水率的估算精度;通过主成分分析方法解决指标间共线问题,并构建基于综合光谱信息的主成分分析监测模型。与分别以光谱变换与“三边”参数等建立的模型组合相比,在显著提高拔节-抽穗期监测精度基础上,也明显改善了在其他生育期监测精度。同时采用相同的模型构建方法构建冬小麦植株含氮量监测模型,同样以分生育时段构建的主成分分析模型组合监测效果最佳。(3)基于各生育时段模拟多光谱计算相应的光谱变换值与植被指数,并分生育时段构建了基于光谱变换与植被指数的植株含水率监测模型组合,其中基于植被指数构建的模型组合更适用于估算各生育期冬小麦植株含水率,经模型精度检验,其拔节-抽穗期、抽穗-灌浆期、灌浆-成熟期及全生育期的决定系数R2分别为0.365、0.635、0.698、0.899。同时基于植被指数的植株含氮量模型组合为监测冬小麦植株含氮量的最佳模型。(4)综合对比基于植株含水率、植株含氮量、水氮耦合构建的冬小麦产量估算模型,以模型的模拟精度为依据由高到低排序依次为以基于水氮耦合的估算模型、以植株含水率为中间参量的估算模型、以植株含氮量为中间参量的估算模型;并根据区域冬小麦水氮估算结果对区域冬小麦产量进行客观评估,基于Landsat8 OLI估测的北京市大兴区冬小麦产量的范围是2184-8913 kg/hm~2,平均单产为5717kg/hm~2;与地面实测产量范围较为接近。