作物产量估测关系到人民生活质量和国家粮食安全问题,在田块尺度下及时准确估算产量,对于农事操作管理、收获、销售及种植计划制定均具有重要意义。选择地势起伏及空间差异较大的农田为研究区,利用低空无人机遥感平台搭载多光谱相机、热红外相机和RGB相机,同步获取小麦关键生育时期的无人机遥感影像,并提取光谱反射率、热红外温度和数字高程信息。首先统计不同地形特征下遥感参数和生长指标的空间变异情况,分析植被指数和温度参数与小麦产量的相关性,然后利用多元线性回归（multiple linear regression, MLR）、偏最小二乘回归（partial leastsquaresregression,PLSR）、支持向量机回归（supportvectormachineregression,SVR）和随机森林回归（random forest regression, RFR） 4种机器学习方法以单模态数据和多模态遥感信息融合2种方式进行建模,比较单模态数据和多模态数据融合的产量估测能力。结果表明,坡度是影响作物生长和产量的重要因子,3个生育期内,不同坡度等级下遥感参数差异明显,土壤含水量、植株含水量和地上部生物量与坡度的相关性均达显著水平,植被指数和温度参数与产量的相关性均达显著水平。依据与产量的相关性,筛选7个植被指数（NDVI、GNDVI、EVI2、OSAVI、SAVI、NDRE、WDRVI）和2个温度参数（NRCT、CTD）作为模型输入变量,对于单模态数据而言,对产量的估算效应为植被指数>温度参数,以灌浆期植被指数的RFR模型效果最好(R~2=0.724, RMSE=614.72 kghm–2, MAE=478.08 kghm–2);对于双模态数据融合来说,在植被指数基础上融入冠层温度参数表现最好,开花期RFR模型效果进一步提高（R~2=0.865,RMSE=440.73kghm–2,MAE=374.86kghm–2）;在双模态数据基础上引入坡度信息进行三模态数据融合,其产量估算效果明显优于单模态和双模态数据融合,其中以开花期植被指数、温度参数和坡度信息融合的RFR估算效果最好（R~2=0.893,RMSE=420.06kghm–2,MAE=352.69kghm–2）,模型验证效果较好(R~2=0.892,RMSE=423.55kghm–2, MAE=334.43 kghm–2)。可见,在本试验条件下通过引入地形因子,结合随机森林回归算法将多模态数据有效融合,可充分发挥不同遥感信息源之间互补协同作用,有效提高了产量估算模型的精度与稳定性,为作物生长监测及产量估算提供思路参考和方法支持。