水稻是世界三大粮食作物之一,也是我国重要的粮食作物,在我国种植面积广泛。粮食安全会随着水稻产量的波动受到一定的影响,因此水稻的生产能力于粮食安全而言具有重要的意义。倒伏是影响水稻稳产高产的重要因素之一,在水稻生产中普遍存在。倒伏不仅影响水稻的收获,更造成产量和品质的降低。因此,监测倒伏对水稻生产具有重要意义。近年来,随着技术的革新与发展,越来越多的高质量、高精度的传感器面世,也推动着基于无人机的图像信息获取以监测水稻倒伏的技术飞速发展。本研究利用无人机搭载可见光相机,获取水稻的RGB图像并对图像进行处理分析,选择了可见光大气阻抗颜色指数(VARI),超绿颜色指数(ExG),超红颜色指数(ExR),植被颜色指数(CIVE),改进型绿红颜色指数(MGRVI)和红绿比颜色指数(RGRI)作为研究参考指数。通过无人机搭载热红外成像仪,获取水稻的热红外图像并对图像进行处理与分析。同时,本研究还利用无人机搭载高光谱相机对倒伏与非倒伏区域水稻进行图像获取。选择了归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)、结构不敏感色素指数(SIPI)和大气阻抗植被指数(ARVI)作为高光谱监测水稻倒伏的参考指数。最后利用训练支持向量机(SVM)分类器,构建水稻倒伏监测方法的精度评价模型。结果表明,在利用无人机的RGB影像进行水稻倒伏区域和非倒伏区域的识别时,MGRVI和ExG可被选择为合适的颜色特征参数进行信息参照与数值提取。在进行倒伏程度监测时,可以首选ExG作为信息提取的指标。但是这种方法受氮肥影响较大,且低氮肥对颜色特征值的影响大于高氮肥对颜色特征值的影响。在利用热红外监测水稻倒伏时,水稻的体温在一天中维持一个较小的变化范围,茎干的温度通常高于叶片的温度,倒伏后冠层温度上升,阳光较高的夏季升高5℃左右。利用无人机搭载热红外仪可以成功的区分出倒伏水稻和非倒伏水稻,其中上午10时-下午4时的准确率最高。因此,热红外图像是一种有效的水稻倒伏监测方法,且这种方法受水稻品种、氮肥处理的影响较小。可以选择19℃为最高温度特征值,当大于19℃则为倒伏水稻,小于19℃则为正常水稻;选择17℃为最低温度特征值,当大于17℃则为倒伏水稻,小于17℃则为正常水稻;选择18℃为平均温度特征值,当大于18℃则为倒伏水稻,小于18℃则为正常水稻。水稻倒伏后冠层的组成和透光率及植株自身生理特性发生改变,从而影响高光谱反射率。在NDVI、RVI、EVI、SIPI和ARVI这五个植被指数中可以选择RVI作为评价倒伏水稻的最佳植被指数。在RVI中可以选择1.90为特征值,很好地区分倒伏与非倒伏水稻,当数值大于1.90时则为非倒伏水稻,当数值小于1.90则为倒伏水稻。同时RVI与水稻倒伏程度呈极显著相关,当倒伏级别越高,则数值越低,有很好的水稻倒伏程度表征能力。通过分析单一特征监测倒伏的准确率、单一图像来源倒伏监测准确率以及多源信息融合的倒伏监测准确率得出,在多源信息技术融合下的水稻倒伏监测漏检率和误检率都明显低于单一特征与单一图像来源。