作为我国三大粮食作物之一,小麦生产对国家粮食安全起着至关重要的作用。气候变化背景下,涝渍灾害等极端天气气候事件增加,频繁发生的农业气象灾害对农业生产的影响日益加剧,严重影响粮食安全。高光谱遥感技术作为一种快速、无损的监测技术可以获取植物的叶片信息,已经广泛应用到作物生产过程中。通过遥感技术及时准确获取作物的生长生理参数,以此掌握作物的长势及水分状况,对及时排涝降渍和作物涝渍评估有重要的意义。本研究设计盆栽试验,于拔节期对冬小麦进行不同梯度渍水胁迫处理,采集冬小麦叶片光谱数据,叶片含水量和叶绿素含量数据,数据于开始处理后每7 d采集一次,直至小麦成熟;分析冬小麦生长生理参数与光谱特征参数、敏感光谱指数、不同预处理的光谱和敏感波段的关系,应用线性和非线性回归构建小麦生长生理参数与光谱特征参数和植被指数的反演估测模型,并对比不同建模途径所构建模型的精确性和稳定性。本文的研究结果主要包括以下几个方面:1.不同渍水处理对小麦生长生理参数的影响较为明显,各参数均随着渍水天数的增加而呈现逐渐降低的趋势。此外,不同处理下冬小麦叶片光谱反射率与一阶导数光谱反射率差异显著,叶片光谱反射率在可见光范围内随着叶片含水量和叶片SPAD值的升高而不断下降,在近红外区则相反。一阶导数光谱反射率在红边区域差异最明显。2.植被指数SAVI,高光谱特征参数AR、Rg、Rr、Db、SDb、SDy、SDg、SDr/SDb、SDr/Sdy与SPAD值的相关性较高。植被指数NDVI和NDWI以及新植被指数RVI(505,526)与受渍小麦的叶片含水量具有较好的相关性。3.应用线性和非线性回归的建模方法,构建小麦叶片含水量和SPAD的光谱特征参数和植被指数的反演估测模型。通过校正检验,以光谱特征参数AR来监测渍水胁迫下的SPAD值效果较好,新植被指数RVI(505,526)构建的多项式模型预测叶片含水量效果较好。用BP神经网络建立的冬小麦叶片SPAD值和叶片含水量反演模型精度最高。小麦叶片含水量和叶绿素含量的估测模型均以基于BP神经网络模型的预测精度最高,误差最小,且模型最稳定。