精准农业是我国农业现代化的必然选择。高光谱技术因其快速、时效性强、成本低、信息涵盖量大等特点,契合农业信息化管理的多种要求,目前已被广泛应用于农情监测领域。如何利用遥感数据精确、稳定地获取作物理化参数,已成为学者们研究的热点。针对传统的作物水分、氮素监测方法操作繁琐且时效性不高、难以在农田区域尺度大面积使用等问题,本文以麦后移栽棉为研究对象,在河南省新乡市进行了连续2年的大田与测坑试验,通过在棉花生育期设计不同灌溉与施肥水平,开展了基于高光谱技术的棉花冠层水氮参数估算方法研究,取得的主要研究结果如下:（1）冠层等效水厚度（CEWT）可以较为准确地判别棉花水分亏缺程度,叶片氮浓度（LNC）和冠层含氮量（CNC）均能准确描述棉花氮素状况。（2）棉花冠层光谱受不同水氮状况的影响。冠层反射率在350-700nm附近的可见光波段,随叶片氮浓度的增加而降低,在780-950nm附近的近红外波段,随CNC增加而增大,在1100-1300nm、1550-1780nm、2100-2350nm附近的短波红外波段,冠层反射率随CEWT的增加而降低。在水肥充足条件下,从现蕾期至花铃期,近红外波段的光谱反射率逐渐升高,可见光波段以及1450nm之后的短波红外波段反射率呈降低趋势,在开花前后棉花冠层光谱表现异常。（3）辐射传输模型PROSAIL在不同生育期对棉花冠层光谱的模拟效果不同。对蕾期棉花冠层光谱模拟精度较高（RMSE=3.46%）,对花铃期棉花冠层光谱的模拟精度略低（RMSE=4.57%）。叶绿素含量(C_ab)对可见光谱段的模型输出影响最大,等效水厚度（EWT）对短波红外波段的贡献度最高;以筛选出的水分敏感波段作为输入项,利用支持向量机对CEWT进行了预测（R²>0.5）。（4）采用连续小波分析法对棉花叶片、冠层光谱反射率进行连续尺度分解,分别筛选出位于水分、氮素敏感区域内的小波系数。发现水氮共同敏感区域内存在噪声波段,应予以去除,在筛选光谱特征参数时,人为规避处于这些区域的小波系数后,结合机器学习算法对光谱特征进行建模,发现利用BP神经网络对CEWT回归建模的方法,模型精度更高且稳定性更强（R²>0.8）。采用同样的方法对CNC也取得了较高的预测精度（R²>0.8）。（5）通过对31种经典植被指数的构建形式和波段选取规则进行总结,分别构建出适用于棉花CEWT、CNC监测的高光谱植被指数。采取比值、归一化和角度三种形式进行水分光谱指数的构建,采取比值、归一化两种形式进行氮素光谱指数的构建。根据敏感波段组合的区间位置,发现基于比值光谱指数建立的线性模型对棉花CEWT的监测效果最好（R²=0.73）;基于归一化差分光谱指数建立的线性模型对棉花CNC的预测精度最高（R²=0.68）,且不易受冠层水分含量改变的影响。最适合构建CEWT特征光谱参数的波段位于1100nm附近,而最适合构建CNC特征光谱参数的波段位于500nm、580nm附近。