本研究以不同健康状况的南方人工林——杉木、马尾松和油茶为研究对象,通过对杉木炭疽病、马尾松赤枯病和油茶炭疽病病情的实地调查,使用美国ASD公司生产的手持式野外光谱辐射仪测定其相应冠层的光谱反射率,并测定其相应冠层叶片的叶绿素含量。首先将光谱数据进行一阶微分与滑动平均滤波相结合的预处理；然后通过分析受害林木冠层原始光谱、一阶微分光谱与病情和叶绿素含量数据之间的相关性提取光谱红边特征参数；再采用曲线拟合和多元统计分析技术等方法分析红边特征参数与相应的病情和叶绿素含量数据之间的关系,分别建立相应的病情和叶绿素含量反演模型,同时探讨了利用地面高光谱数据结合主成分分析(PCA)和人工神经网络算法构建炭疽病胁迫下油茶冠层叶片叶绿素含量的预测模型,并使用相关系数(r)和均方根误差(RMSE)对不同建模方法(或参数)的预测结果进行综合评价。结果表明：(1)杉木、马尾松和油茶冠层微分光谱相比其原始光谱均更能有效地反应其病情和叶绿素含量变化,且从红光过渡到近红外区域的“红边”是描述林木健康状况的重要指示波段。(2)当林木受病害胁迫时,随着病情的加重其叶绿素含量逐渐降低,从而造成在红光区域由于叶绿素强吸收而形成的“红谷”随着病情的加重逐渐消失；同时,红边位置随病情的加重而依次发生“蓝移”,红边斜率逐渐减小(3)油茶冠层微分光谱在红边区域与病情和叶绿素含量的相关性主要集中在670-720nm左右的范围,相比杉木和马尾松其敏感波段向短波方向移动了近30nm；且从模型的反演精度来看,以红边特征参数作为输入变量建立的病情和叶绿素含量多元逐步回归模型的预测能力均低于杉木和马尾松。(4)红边特征参数对杉木和马尾松病情和叶绿素含量变化具有较好的指示作用,以其建立的多元逐步回归模型预测精度较高,可作为优选的一种模型；综合相关系数分析法和PCA光谱数据降维技术建立的炭疽病胁迫下油茶冠层叶片叶绿素含量人工神经网络模型比传统的一元线性和多元线性回归模型预测精度更高,是一种优选的建模方法。本研究通过建立病害胁迫下林木病情与其相应叶绿素含量的反演模型,探讨了利用高光谱遥感监测林木病害的方法,从而促进了高光谱遥感技术在森林病虫害监测中的应用。同时为其他林木病害的遥感监测提供了借鉴和参考,也为后续利用航空、航天遥感采集的光谱信息与地面遥感设备采集的光谱信息之间关系研究奠定了一定的基础。