水稻是中国最重要的粮食作物之一,如何监测水稻生长状况是保障水稻产量的前提。本论文以华南农业大学增城教学科研基地和惠东县稔山镇老坑村作为研究区,水稻为研究对象,通过六旋翼无人机（DJM600）搭载高光谱遥感成像仪（NanoHyperspec和UHD185）获取水稻高光谱影像信息,研究不同生育期下的高光谱反射光谱特征变化规律,并结合水稻冠层叶绿素含量和病害因子,探讨不同环境胁迫下的水稻光谱特征,然后突破传统农作物受灾调查方式,利用无人机高光谱遥感技术监测乳熟期水稻倒伏面积。针对高光谱影像的高维度特性进行典型地物特征提取,分析不同影像分类方法对水稻倒伏特征提取的精确性并验证,总结水稻倒伏快速提取方法流程。本研究主要取得了以下结果:（1）分析不同条件下的冠层水稻光谱曲线,结果表明:从拔节期到抽穗期,稻群密度增加,水稻叶片数量不断增多,叶片内叶绿素含量不断提高,反射光谱在红光和蓝光的吸收能力较强。从抽穗期到乳熟期,水稻叶片体内的营养物质向稻穗不断转移,水稻叶片逐渐开始发黄,水稻叶片内的叶绿素含量不断降低,整体反射率高于拔节期和抽穗期。倒伏水稻以及病害水稻的光谱曲线明显高于正常水稻,但两者原因不一致,倒伏水稻因为光谱成分主要为茎秆,茎秆的反射率较高,然而病害水稻叶片中叶绿素受损或者含量降低,叶片光合作用差,对蓝光和红光波段吸收变弱,反射率变大。（2）采用ASD地物光谱仪和无人机高光谱影像提取水稻倒伏光谱曲线,其变化特征明显。光谱曲线都呈现可见光和近红外波段反射率升高,并且反射率在近红外波段的增加值明显大于可见光波段。倒伏程度越严重的水稻,其可见光和近红外波段的反射率越高,两者成正比。随着水稻倒伏的严重性,其归一化植被指数、比值植被指数以及改进红边植被指数值不断降低,比值植被指数的数值变化具有较好区分性,改进红边植被指数能模糊区分倒伏区域。（3）高光谱图像具有较高的光谱分辨率,有助于地物的精细分类与识别,但波段数的增加却导致数据之间出现大量信息冗余,大大提高了数据处理的复杂性。通过波段剔除和PCA主成分分析对高光谱影像进行降维处理,提取地物特征信息。以原始数据集为参照,通过支持向量机对降维数据集进行监督分类,结果显示数据降维对倒伏提取精度和分类时间上都有明显优势。（4）运用最大似然判别、支持向量机以及ISODATA对水稻倒伏特征信息进行提取,结果表明SVM分类精度最高。在乳熟期生长期间,水稻倒伏是影响水稻产量和大米品质的主要农业灾害。传统的倒伏监测方法是需要调查人员使用卷尺、GPS等工具前往实地调查记录,以获取倒伏作物的位置和面积等信息,工作效率较低。利用无人机高光谱遥感技术能够快速、准确获取水稻倒伏区域的地理位置、面积等信息,为灾情评估和灾后管理措施制定重要依据。