水稻是世界上重要的粮食作物之一。然而在种植过程中,水稻积累的重金属元素会通过食物链进入人体,进而危害人体健康。传统的田间水稻重金属污染监测手段费时费力且无法连续、大范围监测,而遥感技术能够实时、大范围连续动态获取目标水稻胁迫的光谱响应信息。因此,如何利用遥感技术对水稻重金属污染现状进行监测和评估逐步引起国内外学者的广泛关注。与其它环境胁迫(如病虫害、水分、营养胁迫)遥感监测方法类似,目前水稻重金属胁迫的遥感监测多是通过获取水稻生理生化特性的变化及其光谱响应来建模的。然而仅仅依赖单一时相或多时相遥感影像的水稻光谱特征,重金属胁迫与其他胁迫很难区分,尤其是水分、营养等年内持续性胁迫,因为它们在光谱信号以及年内时间序列上表现与重金属胁迫极为相似。根据水稻重金属胁迫与其他类型胁迫在时空特征上的差异,本文提出了一种基于胁迫特征时空指标的水稻重金属污染的遥感识别方法,选取了哨兵2号卫星影像的水稻EVI时间序列,引入了水稻光谱指数时间序列的年际变化特征,结合了水稻胁迫的年内波动特征以及空间聚类特征,构建了水稻重金属胁迫的时空指标,实现了水稻重金属胁迫的准确识别。本文的主要工作与重要结论有:(1)水稻Enhanced Vegetation Index(EVI)时间序列建模。论文采用了线性模型、二阶谐波模型的时间序列加法模型进行水稻的EVI序列的建模与分解,相比于其他数学模型,该分解模型具有更高的精度。(2)引入了水稻的年际时间序列变化特征。论文首次引入了水稻在相邻年份之间的时间序列距离作为水稻胁迫的年际变化特征。相比于仅依据年内持续特征作为水稻重金属胁迫判别标准,本文在引入年际变化特征后,水稻年内持续性胁迫(如营养胁迫)与重金属胁迫的区别更加明显,提高了水稻重金属胁迫遥感识别的精度。(3)提出了基于时空特征指标的水稻重金属胁迫识别模型。论文构建了融合水稻胁迫的年内特征、年际特征以及空间特征的时空指标,实现了水稻重金属胁迫与其他类型的水稻胁迫的精准区分。