棉花是世界上最重要的天然纤维和油料作物之一。新疆是我国最大的棉花种植区，分别占我国和世界棉花种植的80%和20%左右。准确且精细的棉田分布对新疆棉花生产管理、疾病防控以及产量预测至关重要，然而，目前尚缺乏覆盖整个新疆（166万平方公里）的棉田分布精细地图。本研究在Google Earth Engine（GEE）平台上，利用实地考察样本和多源遥感数据，通过监督分类，绘制了2018–2021年新疆10米分辨率棉田分布地图（XJ_COTTON10）。XJ_COTTON10与统计年鉴中的县域棉田面积具有较好的一致性（R² = 0.84–0.94）。在XJ_COTTON10的基础上，本团队开展了新疆棉花产量估算的系列探索工作：
（1）作为植物光合作用（总初级生产力，GPP）的直接代理，太阳诱导叶绿素荧光（SIF）是一种有潜力的作物产量估算工具。然而，当前卫星SIF产品的空间分辨率较低（5公里），这极大地限制了SIF准确估算田间棉花产量的能力。为验证SIF在棉花产量估算方面的适用性，本研究首先提出了一种两步卷积神经回归网络TSCNN，将月度SIF产品的空间分辨率从5公里逐步提升至500米和50米，以匹配新疆棉田地块的大小；然后，利用线性回归和随机森林回归分别比较了各分辨率SIF、NDVI和NIRv在棉花产量估算上的性能。研究表明，50米SIF产品的棉花估产精度显著优于粗分辨率SIF；仅使用SIF在季末可构建满足精度需求的区域棉花估产模型（R² = 0.62）。
  （2）为探究SIF在棉花生长季中期对产量预测的潜力，在上述降尺度SIF对棉花产量估算研究的基础上，本研究提出了一种时序数据驱动的SIF时空预测框架STP-SIF，预测区域棉田从季中到季末的冠层SIF时空分布，进而预测棉花产量并制图：首先，探讨了STP-SIF的潜在驱动机制，设计了相应的时空变量及网络结构；其次，以北疆棉花主产区为例，在三种空间分辨率SIF产品上，验证了所提方法解决STP-SIF问题的可行性；最后，以新疆莫索湾垦区为例，实现了SIF在生长季中期对棉花产量的准确估算（R² = 0.70），并对莫索湾垦区棉花产量进行了预测制图。
  （3）多数研究认为光学卫星的植被指数（VIs）可以描述大范围作物产量变化，而气候变量（CVs）能够影响大范围作物的光合生理和非光合生理变化。遴选VIs和CVs并进行融合建模是一种估算新疆棉花县域产量的潜在方案。鉴于此，本团队在XJ_COTTON10产品的基础上，提取了新疆维吾尔自治区县域棉田的多种VIs和CVs，结合统计年鉴中的县域棉花产量数据，开展了特征重要性分析和产量回归等研究。结果表明，冠层结构、叶绿素含量、水分是解释县域产量变异的最主要变量；长短期记忆网络LSTM在季中（R² = 0.65）和季末（R² = 0.76）实现了最优的产量估算性能。

新疆；棉花一张图；估产；荧光遥感