水稻是世界上最主要的三大粮食作物之一,及时准确地预测水稻产量对指导国家农业生产、保障国家粮食安全具有十分重要的意义。近年来,无人机应用的兴起为农业遥感监测提供了新的机遇和手段。如何利用时序可见光无人机遥感影像快速准确提取水稻种植区和实现产量估计是精准农业开展的必要条件。本文以中国中部典型的水稻种植大区——江汉平原作为研究区,结合该地区地块数量多、面积不均匀、地形复杂及作物类型较多等特性,以水稻产量估计为研究目标,着重开展了地块边界提取、水稻种植区提取和水稻估产三个方面的应用研究。论文的主要工作与贡献在于:(1)结合研究区域水稻种植区的特点,引入多尺度组合分割(Multiscale Combinatorial Grouping,MCG)算法构建地块边界自动化提取流程,研究了影像空间分辨率及分割尺度对地块边界提取准确率的影响。针对高分辨率农业无人机遥感影像,以最佳空间分辨率和最优分割尺度为参数,实现农业耕地地块边界自动提取。实验结果表明:面向农业耕地地块边界提取的最佳无人机影像空间分辨率为30cm,最优分割尺度范围为0.2~0.4,整体地块边界提取准确率高达90%以上,可为后续水稻种植区提取及产量估计提供必要的空间基础信息。(2)顾及水稻生长前期提取种植区的实际应用需求,搭建一种基于规则的分层分类框架实现水稻种植区提取。通过对可见光植被指数进行最优时相及特征组合,同时引入受试者工作特性曲线(Receiver Operator Characteristic Curve,ROC曲线)确定分类阈值,构建分层分类的决策规则;在地块边界的空间基础上,将地块作为分类的空间单元实现种植区提取。实验结果表明:结合阈值分割法的分层分类框架可快速准确提取水稻种植区,总体提取精度高达95%以上,可为后续水稻估产研究提供作物空间分布信息。(3)在水稻地块边界及种植区提取的基础上,利用可见光无人机遥感影像进行估产研究。针对多生育期的时间序列影像,以多元线性回归及随机森林回归为基础方法,分别建立单生育期及多生育期的水稻估产模型,研究估产时期及可见光植被指数对水稻估产精度的影响。通过实际样方产量抽样数据对模型进行分析与评价,在湖北省枝江市实验区实现了水稻产量估计。本文相关工作以时序可见光无人机遥感影像为数据基础,研究并实现了水稻估产相关数据的处理方法和技术流程,包括地块边界提取、水稻种植区提取和水稻估产,可为日后使用无人机遥感影像进行水稻估产提供研究基础和理论模型。