林业有害生物是我国主要的森林灾害之一，每年都有大面积的发生，造成巨大的经济与生态损失。人工地面调查是森林病虫害等生物灾害不可替代的监测手段，具有无法实现全覆盖监测、成本高和主观性（责任性）强等问题，因此利用遥感技术开展早期灾害点和大范围、全覆盖监测就成为森林灾害防灾减灾的主要技术依托。2013年我国高分一号（本文简称为GF-1）卫星的成功发射为建立基于遥感技术的森林灾害监测技术体系提供了数据保障。因此，针对我国南方山区马尾松毛虫导致的森林失叶灾害，提出了一种基于SPOT-5数据的失叶率定量反演模型;针对我国华北平原地区美国白蛾导致的森林失叶灾害，提出了一种基于GF-1或Landsat-8数据的失叶率定量反演模型，并将GF-1模型与四种监督分类技术进行了对比，结果表明本文提出的失叶率反演模型精度最高，且GF-1数据与Landsat-8数据相应波段的灾害监测能力相当，且具备高时间分辨率与宽视野（16米GF-1一景覆盖200km*200km，4天完成全覆盖）等特点，而这些对于森林灾害的准实时监测非常重要。最后开发了基于航天影像的林业有害生物遥感监测系统。　　本文主要研究工作分为四部分:　　1)南方山区针叶林失叶遥感监测模型　　首先利用SPOT-5影像建立了马尾松等针叶林失叶率反演模型，交叉验证结果表明选取归一化湿度指数(NDMI)、湿度胁迫指数(MSI)以及反射吸收指数(RA)作为建模参数得到的模型精度最高，然后以该模型绘制了马尾松林失叶率地图。　　2)北方平原区阔叶林失叶遥感监测模型　　首先利用GF-1和Landsat-8影像分别建立了人工杨树等阔叶林失叶率反演模型，交叉验证结果表明对GF-1数据来说，选取归一化植被指数(NDVI)、土壤调节植被指数(SAVI)以及优化土壤调节植被指数作为建模参数最佳;而对Landsat-8数据来说，选取湿度胁迫指数(MSI7)、中红外指数(MIR)以及比值指数(SVR7)作为建模参数得到的模型精度最高，然后分别利用GF-1和Landsat-8监测模型绘制了速生杨林失叶率地图。　　3)构建了遥感监测模型并与其它森林失叶信息提取技术进行了对比　　为了解本文提出的森林失叶遥感监测模型的制图精度，将其与概率神经网络、最大似然、马氏距离与平行六面体四种森林失叶信息提取技术进行了对比，结果说明森林失叶遥感监测模型优于其它四种技术，因为它使用了灾害发生前后两幅影像，其它四种方法仅使用一幅灾后影像进行监督分类而已。　　4)基于航天影像的林业有害生物遥感监测系统的开发与应用　　阐述了基于航天影像的林业有害生物遥感监测系统主要功能模块的设计与实现。　　论文研究工作的创新主要有如下几点:　　1)建立了适用于研究区的林业病虫害遥感监测模型。通过对不同建模参数（植被指数）建立的遥感监测模型进行交叉验证，确定了最佳建模参数，提高了监测精度。　　2)针对不同林业病虫害，开展了多源遥感数据支持下的信息提取方法比较研究，建立了不同信息提取模型，提高了信息提取精度。