水稻纹枯病与稻瘟病作为水稻生产中大范围流行的病害,造成了全球水稻大规模减产。区域尺度内水稻预测模型的建立能够为病害防控管理提供重要依据,但目前多数病害预测方法基于统计关系建立,且缺乏对大范围业务化运行的能力。作物病害预测模型研究总体上呈现出由静态至动态,从局地到整体的发展趋势,本研究充分利用多源遥感数据在病害流行影响因素监测方面的能力和优势,研究寄主分布、生育期、景观格局以及病害环境等因素遥感监测方法,同时研究能够反映水稻病害流行特点的机理性预测模型构建方法,通过耦合多源时空信息和病害预测模型实现区域尺度水稻病害时空动态预测,探索区域中水稻病害的时空发展动态过程,为水稻病害统防统治提供重要信息。本研究主要包括以下几个方面:（1）构建病害预测多源时空信息数据集。以中国长江中下游地区安徽省、浙江省、江苏省、湖南省、湖北省、江西省六个省份为研究区,基于2010-2015年的田间植保调查数据、MCD12Q1土地覆盖类型遥感产品、Chinacropphen1km水稻高分辨率物候数据集产品以及0.5°×0.5°格网气象日值产品,进行数据预处理与遥感产品再分析处理。该时空信息数据集为后续病害预测模型构建工作提供数据支撑。（2）建立基于景观格局信息及气象特征的水稻病害年际峰值预测模型。作物病害峰值能够指示病害流行过程中感染率所能达到的极限,对条件趋势预测过程具有关键作用,能够使病害预测曲线更贴合实际曲线。本研究针对长江中下游6省稻区,提取与病害高度相关的气温、降水气象特征因子,计算以县市为单位的关键景观格局指数,并结合水稻纹枯病与水稻稻瘟病发病情况,将发病峰值与气象特征、景观格局特征进行相关性分析。结合上述分析,利用偏最小二乘回归（PLSR）构建融合气象特征、景观特征的病害峰值预测模型,对两种病害的模型预测结果进行精度评估。其中,水稻纹枯病峰值预测模型准确率为85%,水稻稻瘟病峰值预测模型准确率为59%,能够给出病害年际峰值的有效预测。（3）建立基于多源时空信息的水稻病害过程动态机理模型SEIR-RICEDIS。作物病害实际发展过程随着环境条件的变化而变化,是病原和寄主相互作用的动态过程,因此建立体现植物病害机理和流行特点的模型才能从根本上提高模型在区域尺度内的适应能力。通过数据源在时间空间上的扩展,能够提高模型在时间连续、空间动态上的预测能力。本研究针对水稻纹枯病与稻瘟病预测,将气象因子、遥感作物分布、物候信息以及病害峰值预测信息与基于植物病害流行学机理所构建的SEIR框架相结合,构建水稻病害动态预测模型SEIR-RICEDIS。利用遗传算法进行模型参数调优,进行参数相应分析。从单时相、整体趋势方面对模型预测精度进行评价。水稻病害过程动态机理模型在水稻纹枯病方面的单时相预测精度R~2=0.75,RMSE=10.27,采用AUDPC进行多时相预测精度评估,R~2=0.71。水稻稻瘟病的单时相预测精度R~2=0.54,RMSE=1.78,多时相预测精度R~2=0.73。模型能够对水稻纹枯病和稻瘟病进行有效预测,误差在可接受范围内。（4）搭建水稻病害预测原型系统并开展业务化潜力研究。作物病害预警系统从设计上主要包括汇总、整合数据,构建病害预测参数数据库;将病害预测算法模型程序化,进行用户界面设计,实现病害预测结果的自动生成。研究实现模型在时空数据驱动下的水稻病害预警,结合水稻分布信息生成水稻病害发生发展过程预测结果。进一步通过随机误差扰动分析输入信息噪声对模型的影响进行评估,结果表明模型具有较强的抗噪能力,具有一定的业务化应用的潜力。