水稻病害的监测与诊断对保证国家粮食安全具有重要意义,基于分子生物学的病害检测方法可实现病害的精准分析,但该方法成本高、效率低、需要专业技术人员操作,在农业生产中难以实现,而近年来光谱技术在病害检测中的应用,为水稻病害高通量、快速的检测提供了可能,本研究以东北粳稻纹枯病为研究对象,展开病害光谱响应特征分析、病害识别、病害等级划分、病害指数估测等方面的探讨,主要研究内容如下:(1)研究基于水稻叶片尺度非成像高光谱数据,在叶片尺度对水稻单体植株是否染有纹枯病进行识别。采用了连续投影法、主成分分析法、正交法等方法对健康和受纹枯病胁迫的水稻光谱进行降维,重点研究了Gram-Schmidt正交投影法获取光谱基向量,从而得到病害识别特征的方法。识别结果证明,3种降维方法均可有效提取叶片尺度水稻纹枯病害特征光谱信息,Gram-Schmidt正交化提取基向量方法有利于水稻识别精度的提高,识别准确率为95%,同时也从数据分析的角度得到敏感特征波长位于550nm、675nm、730nm。(2)研究了水稻纹枯病叶片尺度病级识别。分析水稻光谱对纹枯病的响应特征,比较了染病和健康情况下水稻光谱的差别,得到叶片尺度光谱数据对纹枯病敏感波段630-700nm、720-820nm;以原始光谱信息、光谱一阶微分特征、相关植被指数、原始光谱连续统特征、Gram-Schmidt正交降维得到的基向量等分别作为输入变量来实现单株水稻病级的判别,结果证明基向量方法对于病级判断能力较强,对训练集和验证集样本判断准确率较高,表明Gram-Schmidt正交法能够实现叶片尺度水稻纹枯病严重程度的观测。(3)研究了冠层尺度上水稻纹枯病情指数估测。通过比较冠层各染病和健康情况下水稻光谱的差别,得到冠层尺度非成像高光谱数据冠层尺度光谱数据对纹枯病敏感波段583-635nm、655-741nm;对纹枯病敏感的特征或指数作为自变量,建立病情指数的估测模型,在冠层尺度上实现冠层水稻病情指数的估测。结果显示采用Gram-Schimdt正交化处理原始光谱的基向量为特征作为输入变量构建的一元线性模型为病情严重度反演的最佳模型。建模决定系数相对于其他特征具有优势,验证集的估测精度R~2高达0.675,实现了近地面水平的冠层纹枯病检测。上述研究结果可以提高水稻纹枯病病害的无损检测的精度,监测水稻生育期内发生纹枯病发展状况、为水稻病害的快速检测仪器开发提供了理论方法。