高光谱、激光雷达（Li DAR）技术已经成为农业、林业、草原病虫害监测的重要手段。高光谱数据包含丰富的病虫害危害光谱信息,但空间立体结构信息不足;Li DAR数据空间分辨率高、立体结构信息丰富,但病虫害危害特征信息不明显。结合Li DAR和高光谱数据,快速、精准的提取林业病虫害信息实现病虫害的监测、预警,是现阶段急需解决的问题。云南松是我国西南地区的主要树种,分布广、面积大。小蠹虫是世界性的林业有害生物,对云南松危害十分严重,虫害暴发后很难控制,对生态安全造成严重威胁。本论文以受小蠹虫危害的云南松为研究对象,利用地面高光谱、机载高光谱和机载Li DAR等技术,对冠层枯梢率与地面调查全树枯梢率进行相关性分析;从针叶到冠层尺度进行不同危害程度（健康、轻度危害、中度危害、重度危害）的高光谱特征提取与分析,获取危害特征曲线及最佳监测波段窗口;对机载高光谱采集的受小蠹虫危害的云南松冠层进行光谱特征提取和分类诊断,选出最优特征提取与分类诊断方法;利用此方法结合机载Li DAR和高光谱数据,实现试验区内每株云南松的危害程度分类诊断,并将结果可视化。研究结果如下:1)遥感监测的数据为冠层的特征数据,尤其是冠层中上层的特征数据,本研究对冠层枯梢率与地面调查全树枯梢率进行相关性分析,呈极显著正相关。对冠层枯梢率与地面调查全树枯梢率进行一元线性拟合,得到拟合方程y=1.011x,实现了通过冠层枯梢率对全树枯梢率进行估算,来划分云南松受小蠹虫危害程度等级。2)从针叶到冠层尺度上对云南松受小蠹虫危害程度进行光谱特征提取和分析,得出两种尺度的危害特征光谱具有相似性。在针叶尺度上不同危害程度的光谱反射率曲线在“红谷”（640～700 nm）存在差异;在近红外波段波动明显,随着小蠹虫危害程度加重,云南松针叶光谱反射率显著降低;最佳光谱反射率监测波段多属于红光波段,其范围大致为765～838 nm。光谱一阶导数在“红边”（680～740 nm）有明显的波峰,且峰值达到最高,随着危害程度的加重,峰高逐渐降低,同时“红边”位置向蓝光方向发生轻微偏移;在750～950 nm,有明显的波峰和波谷,四类危害程度具有相似的整体趋势,最佳光谱一阶导数监测波段主要是可见光红波段的702～744 nm。在冠层尺度上随着小蠹虫危害程度加重,光谱反射率在近红外波段显著降低,“红谷”处反射率值有上升趋势,在重度危害时,“红谷”有消失迹象。光谱一阶导数曲线在“红边”处随着危害程度加重,峰值逐渐降低,且“红边”位置有向蓝光波段发生轻微偏移的趋势。3)对无人机采集的云南松不同受害程度的冠层高光谱数据,采用主成分分析方法（PCA）、植被指数（VI）、连续小波变换（CWT）三种特征提取方法,对预处理后的光谱数据进行特征提取;对提取结果分别结合判别分析、支持向量机、最邻近和BP神经网络四种分类算法进行危害程度分类诊断,对结果进行对比分析和精度评价,得出基于CWT的BP神经网络分类算法的诊断效果最好。4)为解决“同物异谱,同谱异物”的问题,融合了机载Li DAR和高光谱数据,进行自动单株分离,获取单株冠层图斑信息,对图斑内高光谱数据进行提取和合并,得到林区内包含高光谱信息的单株云南松冠层矢量数据。利用基于CWT的BP神经网络分类算法进行区域尺度的云南松受小蠹虫危害程度分类诊断,总体分类精度为90.83%;最后对试验区内小班进行成灾分析判定并将分类结果可视化。综上所述,本文在以冠层枯梢率划分云南松受小蠹虫危害程度等级;从针叶到冠层尺度云南松受小蠹虫危害程度高光谱特征提取、分类诊断方法;机载Li DAR与高光谱数据融合进行单株危害程度分类诊断三个方面取得了一些研究成果,研究具有一定的理论意义与实际应用价值。