水稻是我国第一大粮食作物，在我国的口粮消费中占据主要地位，占比高达60%。随着我国经济的逐渐发展和人口的不断增长，所需稻米总量还将呈现上升的趋势。在需求逐渐增加的背景下，实现快速准确的估产对粮食价格调控、农业政策制定以及国家粮食安全具有重要的意义。本文从遥感典型植被指数与端元丰度出发，综合多时相数据进行了水稻估产相关研究。
　　植被指数能在像元级别有效地表达光谱信息，端元丰度能体现亚像元层次的影像特征，可以更精细的反映变化背景下目标地物分布。为有效结合二者优势，本文将其乘积作为一个新的参数，通过观测海南省陵水县实验区的水稻，比较三种要素对产量的敏感性，结合多时相数据建立了多元线性估产模型，并推荐了最佳观测时间方案。主要研究内容如下：
　　(1)针对水稻的光谱特点，分别选取了8种典型植被指数，利用相关性分析衡量各生育期内植被指数对产量的敏感性。结果显示，在四个时期中，拔节期与孕穗期的植被指数与产量的相关性最高，相关系数多在0.6以上，而分蘖期与抽穗期的相关系数则多在0.4至0.6的范围内。
　　(2)分别使用PPI、N-FINDR以及SMACC三种端元提取方法获取影像端元光谱，比较三种方法求得端元光谱的可靠性。基于三种端元提取结果，分别进行混合像元分解，在求解得到的水稻端元丰度与产量之间进行相关性分析。实验结果显示：PPI方法受噪声影响小，得到的端元光谱较为稳定，表现得比N-FINDR法和SMACC法更可靠，求得的水稻端元丰度对产量的敏感性也更高，其中最高的为拔节期水稻端元丰度，相关系数为0.699。相比植被指数而言，端元丰度对产量的敏感性没有明显的优势。
　　(3)为了结合植被指数与端元丰度的优势，构建乘积参数，将PPI方法下的水稻端元丰度与植被指数进行相乘，利用相关性分析衡量乘积参数与产量间的敏感性，并与植被指数、端元丰度的相关分析结果进行对比。对比结果显示乘积参数能够有效地提高植被指数与端元丰度对产量的敏感性，且在不同的生育期、面向不同的植被指数时提升能力都保持稳定，说明乘积参数能够有效结合植被指数的冠层光谱信息和端元丰度的亚像元级别目标地物分布信息。四个生育期内对产量最为敏感的乘积要素分别为：分蘖期水稻丰度乘CIgreen(550,800)、拔节期水稻丰度乘CIrededge(720,800)、孕穗期水稻丰度乘CIgreen(550,800)以及抽穗期水稻丰度乘NDRE(720,800)，相关系数分别为0.593、0.714、0.712以及0.649。
　　(4)利用四个生育期内选出的敏感要素，通过留一法交叉验证的方式建立多元线性回归模型。建模前的共线性分析表明，需要筛除与孕穗期、抽穗期共线性严重的拔节期乘积自变量。使用分蘖期、孕穗期、抽穗期数据构建的估产模型R2为0.589。由于分蘖期与拔节期乘积因子共线性并不十分严重，当需要提前估产以便后续田间管理时，可选择分蘖期与拔节期数据建模，模型R2为0.534；如果人力物力十分有限，仅选择拔节期也能达到不错的估产效果，模型R2为0.509。