据吴尚蓉介绍，由于一般经验统计作物遥感估产方法不能对作物生长过程进行定量描述，为了充分发挥作物生长模型机理性强、时间连续、遥感数据空间连续等优势，进一步提高基于遥感信息与生长模型同化的区域作物单产定量模拟与估算精度，考虑到大范围作物模型参数获取和校正存在一定困难，常用的卡尔曼滤波同化算法存在不收敛、奇异值等不足，四维变分算法存在背景误差为固定值等缺陷，所构建的作物估产同化系统不能完全满足作物生长时空变异客观存在所需的高精度模拟要求。该研究创新地提出了一种基于四维扩展和可变时间窗口的集合平方根滤波新同化算法VW-4DEnSRF，在对作物生长模型参数敏感性分析和参数校正基础上，成功构建了基于WOFOST作物生长模型和VW-4DEnSRF新算法的作物估产同化系统。最终，以河北省衡水市为研究区，以冬小麦为研究对象，将GF-1和HJ-1国产卫星数据反演的叶面积指数信息作为外部遥感同化数据，在最优尺度网格下利用构建的作物估产同化系统实现了区域冬小麦产量定量模拟和估算。研究结果表明，基于WOFOST模型和所提VW-4DEnSRF算法构建的作物估产同化系统在单点尺度和区域尺度作物单产模拟中都达到较高精度水平，证明了所提数据同化新算法及同化系统在大范围作物单产定量模拟中具有一定可行性和有效性。
该研究提出的VW-4DEnSRF同化算法及构建的估产同化系统是对国际现有遥感与作物生长模型数据同化算法和同化系统的有益补充，对提高遥感与作物生长模型数据同化的作物产量模拟估算精度和水平具有重要科学意义，对今后开展大范围作物产量模拟预测、区域作物生长监测评价和保障国家粮食安全等具有重要应用价值。
