耕地是农业生产的基本要素,保证耕地数量和质量对增强国家粮食安全能力,促进农业现代化和新农村建设具有重要意义。目前东北地区耕地细碎现象严重,促进乡村振兴提高耕地利用效率需要东北地区耕地逐渐向规模化经营方式转型。通过实现耕地适度规模经营不仅能提升农田的抗灾避灾能力而且能提高耕地产能。耕地的实际产能由农作物当季产量表示。对农作物产量的预报估算一直是政府部门重点关注的问题。及时准确地预测农作物产量,对计划制定农业政策具有非常重要的影响。探究不同经营规模的作物产量差异及造成产量差异的影响原因对推进东北地区耕地实现规模化经营具有重要意义。传统方法的农作物产量的预测成本高,因此在区域范围内采用遥感方法进行水稻产量预测是在作物生产中的重要目标,对于耕地质量评价和土地生产潜力,耕地产能的提升具有重要意义。采用遥感方法估产的关键是确定估产时相和估产的输入量。目前现有的卫星数据存在时间、空间分辨率较低和影像获取率不高以及受天气影响较大等问题。本研究以农区和垦区的水稻产量为研究对象,首先采用近地面感器测量水稻冠层植被指数（NDVI）,以累积生长度日（AGDD）为横轴,构建时间间隔为3天的VI时间序列曲线。通过相关分析方法将时间序列曲线与产量进行相关性分析,确定适宜研究区水稻最优估产时相。获取估产时相区间内Sentinel-2A影像,计算影像植被指数与产量进行相关分析。将不同时相的植被指数中与产量呈显著相关的部分提取主成分信息,作为模型输入量。选取多元逐步线性回归、随机森林回归和BP神经网络构建产量预测模型并对模型进行验证,分析不同经营方式的水稻产量反演结果,探究造成农区与垦区耕地产能差异的成因。结果表明:（1）在整个生育期内,高产水平下水稻群体的NDVI值均大于中产、低产群体。从拔节期开始NDVI与产量的相关系数显著上升并且从拔节期至灌浆期内NDVI与产量的相关系数均在0.5以上。在抽穗期NDVI与产量的相关系数达到最大为0.81。本研究最终确定的适宜估产时相区间为AGDD在903.6～1205.1℃和1746.9～1906.2℃间。（2）AGDD为1891.8℃时,在所有植被指数中,与产量相关性最高的三类指数分别为以绿波段计算（GNDVI、CIgreen和MSR＿G）、以红边波段计算（NDRE1、CIRE1、MSR＿RE1）和NDVI,相关系数均达到0.8以上。（3）基于多时相植被指数的产量反演模型精度最高,采用BP神经网络模型可以提高反演精度,模型精度高且稳定,R²达到0.847,RMSE为927.404Kg.hm^-2。（4）农区产量低于垦区并且田块内部产量变异程度较大,产量分布不均一。主要由以下原因造成:农区农田基础设施薄弱,抗灾避灾能力差;耕地田块细碎种植不连片,不利于农业机械工作;地方农户耕作方式粗放缺乏农业技术,造成耕地质量下降。本研究通过地面传感器建立时间序列曲线的方法,在一定程度上解决卫星遥感影像质量不高而引起时间序列缺失的问题。利用先进的科学技术及时准确地预报产量,能够加强农作物的生产管理,优化种植空间格局。明确经营规模对产量差异的成因,对保护耕地提升耕地产能以及推进我国高标准农田建设具有重要的意义。