本文用高时空分辨率的NDVI变化曲线反映水稻的生长状况,选择受重金属污染程度不同的5块水田为样地,采集样地的土壤样本,分析土壤中6种重金属成分的含量,计算出每块样地的综合污染指数,划分出每块样地的污染等级。为了得到精确的植被指数变化曲线,本文选择高空间分辨率的Landsat影像和高时间分辨率的MODIS影像对5块样地的植被指数变化进行研究。利用Landsat和MODIS的NDVI影像,引入增强型时空自适应反射率融合模型ESTARFM进行两种影像的融合,解决时空矛盾,提高时序NDVI数据的时空分辨率。研究结果如下:（1）通过调整ESTARFM模型参数,发现当窗口大小w为2,地物类别数m为2时,NDVI预测值与真实值的差值始终保持在±0.1之间,建立样地内所有像元预测值与真实值的二维散点图、进行相关分析,结果表明预测值与真实值相关性较为显著。综上,w=2、m=2为本文选定的ESTARFM模型的最佳参数。（2）分析NDVI变化趋势线,结果表明,当样地上空有云层影响时,时序NDVI数据会出现“异常”的低值点,因此使用Savitzky-Golay滤波消除异常值。（3）从重建的各样地时序NDVI变化曲线上提取曲线的积分面积和曲线的最大值作为反映水稻受胁迫状况的胁迫指标,利用Fisher判别准则,以两个胁迫指标为特征值,建立不同重金属污染程度样地间的判别函数,用判别函数和临界值作为判断水稻重金属污染程度的新指标,分别从5块样中随机选定10个像元为样本,以H区样本为验证,以B、L区样本的特征值建立判别指标1（判别函数:y=-9.6009x₁-0.0675x₂,临界值:y_c=-12.0525）来判断污染区和未污染区,经F检验,新指标的判别能力极其显著,回判准确率为100%,H区检验结果正确;以B、M和G区内样本的特征值建立判别指标2（判别函数:y=0.1013x₁+0.013x₂,临界值:y_c=0.9059）来判断轻度污染区和重度污染区,经F检验,新指标的判别能力比较显著,回判准确率为80%,H区检验结果划分正确。将5个样地从NDVI区域均值曲线上提取的胁迫指标代入上面的判别函数,判断结果符合实际的重金属污染等级划分,可以用NDVI区域均值曲线的2个胁迫指标来判断整个水田的污染水平。（4）对面积较大、水田分布较广的吉林研究区进行目视解译,共解译出46块水田,利用上面建立的新指标对吉林研究区内的水稻重金属污染程度进行划分,结果表明,吉林研究区总面积为275.76km²,其中非水稻种植区的面积为236.55km²,占研究区总面积的85.78%,水稻种植区总面积为39.21km²,占研究区总面积的14.22%。在水稻种植区域内,未受重金属污染的区域面积为8.78km²,占总水稻面积的22.39%;受到I级轻度污染的区域面积为20.68km²,占总水稻面积的52.74%;受到II级重度污染的区域面积为9.75km²,占总水稻种植面积的24.87%。从分级结果可以看出,吉林研究区内的清洁区和II级重度污染区的面积基本相等,占总水稻种植面积的比例都不大,I级轻度污染区的面积和占比最大。