为确保国家粮食安全、制定有效的粮食策略以及促进农业的可持续发展，对区域内水稻产量进行及时且准确的预测至关重要。尽管利用遥感数据结合机器学习技术进行产量预测已有一定进展，但现有研究在深入解析机器学习模型机理及高时空分辨率数据的应用方面仍显不足。本研究基于2023年的Sentinel和MODIS NDVI数据及县级产量信息，应用随机森林模型从县级扩展至像素级，以江苏射阳无人农场为例对水稻产量进行预测，并探讨不同特征对模型学习机理的影响。研究结果表明：（1）2023年8—10月的NDVI数据与产量之间存在显著相关性，此阶段为作物生长周期中的关键时期，植被覆盖和生长状态在此期间对产量的预测具有重要作用。随机森林模型能够有效预测县级水稻产量，其中RMSE值为339.5 kg/hm2。（2）此外，分析2023年射阳农场水稻产量空间分布图发现，水稻产量在该区域呈现显著的空间异质性，边缘地区产量较低，中心区域产量较高，产量主要集中在9 000~9 300 kg/hm2。其研究成果不仅加深了对机器学习及植被数据在产量预测中的应用理解，也为提高模型准确性及制定科学的粮食生产策略提供了理论支持。
