为验证粒子滤波同化算法在作物模型估产应用中的可行性和精度,应用该算法构建了CERES-Wheat(cropenvironmentresourcesynthesis for wheat)作物模型同化系统,并应用地面观测数据研究了同化系统的估产能力以及粒子扰动维数和方差对同化结果和效率的影响.研究结果表明,构建的作物模型同化系统能够利用作物关键生育期内观测LAI 数据,较好地校正模型状态轨迹,显著提高作物产量模拟预测精度.同化前后冬小麦产量模拟结果与实测产量间的决定系数由 0.68增加为0.83,归一化均方根误差由4.93%减小为3.4%,相对误差由4.15%减小为2.93%.粒子扰动维数和方差同化试验结果显示,粒子维数由50增加为250时,同化估产精度无显著改善,但计算代价增加5倍;随粒子扰动方差增加,估产归一化均方根误差和相对误差均呈增加趋势,两者的平均增加幅度分别为0.32%和0.26%.因此,作物模型同化系统业务化应用时需折中考虑估产精度和计算代价设置合适的粒子扰动维数和方差.该文为进一步利用多源卫星遥感数据监测区域作物长势和估算产量等同化研究和应用提供参考.