近年来,随着全球极端气候的频繁出现,冬小麦冻害发生的复杂性、不可预知性,受灾程度影响之严重性,使得冬小麦冻害的实时监测和防灾减灾任务更加艰巨。随着卫星技术、地理信息技术、全球定位系统技术、计算机网络技术为主要内容的信息技术的迅速发展,遥感灾害监测技术在农业领域也得到了广泛的应用。近年来随着国产卫星数据源在时空分辨率与光谱分辨率上的提升,更带动了国内在相关领域研究的进展。然而目前在冬小麦冻害灾情遥感监测方面尚不系统,而在技术上如何最大限度的利用多源数据挖掘数据中的有效信息进而对不同时期的冻害特征参数进行有效提取是一个重要问题。本研究首先以人工控制条件下冬小麦越冬冻害与早春冻害为例,分别获取叶片、冠层尺度高光谱,研究冬小麦冻害光谱特征响应机制。继而以河北省示范区2009-2010年度典型冬小麦冻害实况为例,在地面样点调查基础上,综合多时相光学与热红外数据等多源遥感数据,利用GIS空间分析等技术手段,开展区域尺度上冬小麦冻害监测模型与方法研究,具体研究内容和结果如下：(1)在大田种植耐冻、不耐冻小麦品种发生越冬冻害自然条件下,获取了叶片与冠层尺度高光谱数据。在叶片尺度,首先研究了冻害在原始光谱与一阶微分光谱上的相应波段响应机制并提取了敏感波段；其次提取了叶片高光谱特征参量,通过分析叶片尺度冻害程度DAI与高光谱特征参量关系,建立了叶片尺度DAI与高光谱特征的拟合方程,筛选以R2达0.750以上的777nm一阶微分值、SDr/SDb、(SDr-SDb)/(SDr+SDb)为变量建模,其中SDr/SDb精度最高,验证结果R2为0.799,对DAI有很好的预测能力。冠层尺度上,通过主成分分析法提取前6个主成分估算冬小麦冻害严重度,其模型精度R2达到了0.6309。基于冠层高光谱数据提取了20个能敏感表征小麦叶绿素及含水量植被指数进行与冻害严重度相关分析,其中16个植被指数都与冻害严重度达显著水平。最后通过ANOVA进行产量影响指标与冻害严重度关系分析,4个与产量相关的考种指标都与冻害胁迫程度达到了极显著相关,说明不同的越冬冻害胁迫程度对最后产量影响较大。(2)在人工模拟霜箱模拟北方麦区(北京地区)春季越冬后早春冻害胁迫处理,观察其对冬小麦生长及产量的影响,同步获取了对小麦早春冻害叶片及冠层高光谱信息提取数据。通过研究了单叶水平与冠层水平冬小麦早春冻害的高光谱特征响应,表明经过不同温度处理后,叶片尺度与冠层尺度冬小麦呈现了不同的高光谱特征,文章分析了叶片及冠层尺度的四个不同处理T0,T1,T2,T3下原始高光谱、一阶微分光谱、“红边”等特征的信息,同时分析了在时间维度上的光谱变化信息。根据早春冻害低温胁迫后,植株光合作用的变化,文章使采用连续小波分析法(CWA)进行了叶绿素相对含量SPAD值反演研究,以相关程度最高的Feature E建立反演模型,并取得了较好的精度R2达到0.786。研究同时还进行了早春冻害不同温度条件处理下,造成长势指标(株高、LAI)差异与最后影响产量因素的/(?)NOVA分析,其结果为早春冻害对株高与LAI的影响达到了显著相关,说明不同程度的早春冻害对小麦长势与及最后收获产量影响较大。(3)大尺度监测冬小麦冻害灾情,需要结合受冻后长势监测,以提高冻害监测精度。以河北省示范区藁城市2009-2010年度发生的冬小麦冻害为典型案例,以三景环境减灾小卫星座HJ-CCDs小卫星影像为数据源进行了冬小麦冻害监测研究。文章引用入变化向量分析理论,分别对冬小麦冻害灾情及灾后长势恢复进行监测。利用多时相环境小卫星数据提取的多种植被指数,构建变化向量并分析其动态变化趋势,结合冬小麦冻害光谱特征敏感性分析,建立冻害灾情遥感监测模型,并展开长势恢复程度监测。结果表明变化向量分析法能有效地反映冬小麦受冻和长势恢复程度及空间分布,在基于多种植被指数建立的变化向量监测模型中,基于光谱结构不敏感指数SIPI建立的模型较精度最高,其冻害监测及长势恢复监测模型精度分别达83.3%、88.9%。(4)为了系统地评价冬小麦冻害严重程度并筛选与影响其冻害受灾程度的有效评价指标,文章将灰色理论系统知识模型与遥感技术(RS)、地理信息系统(GIS)技术相结合,在确立评价指标体系原则及要求的基础上,建立大尺度多源信息融合的冻害综合评价模型,并用于空间分布专题图生成。文章以河北省藁城、晋州市小麦冻害监测应用为例,开展冬小麦冻害受灾程度进行定量评价方法研究,首先对河北省藁城与晋州市小麦2009-2010年度实测冻害严重度群体指标——茎蘖存活率与地表温度、土壤各养分含量、土壤热惯量和土壤含水量等空间数据信息进行灰色关联分析(GRA),并确定其权重；继而利用空间插值技术构建了研究区小麦冻害胁迫多因子空间矩阵,最后通过灰色聚类评估分析(GCA)建立冬小麦冻害严重度评估模型,将研究区可划分为重灾、中灾、轻灾或未受灾3种受灾片区。结果表明：藁城市重度受灾面积占全市小麦总面积的23.9%,中度受灾面积占40.71%,轻微或未受灾面积占35.39%；晋州市重度受灾面积占全市小麦总面积的17.12%,中度受灾面积占41.12%,轻微或未受灾面积占41.76%。评价结果经kappa模型验证后,总精度(overall accuracy)达78.82%,kappa coefficient为0.6754。因此,灰色聚类分析数学模型与遥感、GIS地理信息系统空间分析有效的整合,可以客观、准确地对冬小麦受冻害灾情定量评估研究,使得评价模型更具科学性和应用前景。同时此方法也为生态环境变化评价,作物长势及灾害监测提供了另外一种新途径。