近年来,随着全球气候变暖,病虫害流行和程度逐年呈加重趋势,使得病虫害的实时监测和防控任务更加艰巨。于此同时,各类遥感数据源不断涌现,遥感技术和方法不断成熟,利用遥感技术进行作物病虫害危害信息的提取、监测及预测现已成为大范围快速获取作物病虫害信息的重要旦有效的方式,由于该方法相比传统的病虫害监测方法具有不可比拟的优势,因此在未来必将逐步取代目测手查,费时费力的传统病虫害监测方式。然而如何有效地选择、整合并利用各种遥感数据源准确提取其危害信息是目前该领域的研究重点和难点,也是理论研究走向实际应用的必经之路。本研究以主要的粮食作物－小麦,和其常发性、常年危害较大的害虫－蚜虫为研究对象,以小麦蚜虫的监测及区域预测为研究主线,分别在叶片、冠层和区域尺度上基于包括地面成像与非成像光谱数据,星载多时相光学与热红外数据等多源遥感数据开展小麦病害监测及预测预报的模型和方法研究,具体研究内容和结果如下:　　(1)通过获取不同蚜量的小麦叶片非成像高光谱数据,研究蚜虫在原始光谱和一阶微分光谱上的响应特征,并分析其响应机制;在此基础上,分别通过光谱微分法、连续统去除法、植被指数法和连续小波分析法对蚜虫危害光谱特征进行提取,并分别检验了提取出的光谱特征对叶片蚜量的监测能力;最后采用偏最小二乘法(PLS),通过变量投影重要性准则(VIP)对与蚜量关系较好的(R2＞0.5)的17个特征变量进行筛选,选择VIP＞1的5个光谱特征变量,采用偏最小二乘法(PLS)构建小麦叶片蚜量反演模型,通过蚜量实测值与模型的模拟值的检验,反演模型拟合的决定系数R2为0.722,相比单变量,该模型具有较好的蚜量监测能力。　　(2)利用高光谱成像技术图谱合一的优势,在蚜虫盛发期(小麦灌浆期),获取不同蚜量小麦叶片的成像离光谱影像,一方面通过不同方法(光谱指数法,主成分分析法)对图像上的蚜虫进行识别,找出对成像图像上小麦蚜虫的提取和判别能力最好的方法,结果发现经过主成分变换(PCA)的第二主成分(PC2)和第三主成分(PC3)对成像图像上的小麦蚜虫具有较强的识别能力,其识别结果与实际调查结果基本一致;另一方面通过对提取出来的附着有蚜虫和无附着蚜虫的叶片像元光谱特征的比较分析,尝试构建叶片蚜虫危害指数(LADI),并通过计算成像图像上叶片的LADI,将图像上叶片区域分为蚜虫附着区域,蚜虫侵染区域和正常叶片区域三类,根据分类像元数计算了蚜虫危害面积率,结果发现,通过LADI估算的蚜虫危害面积率与实际调查结果基本一致,因此,LADI能够很好的在成像图像上反演出叶片的危害面积。　　(3)在冠层尺度上,在小麦蚜虫盛发期,获取了不同蚜害等级的小麦冠层光谱,研究小麦蚜虫的冠层光谱响应机制,并通过敏感性分析找出小麦蚜虫的敏感波段范围,利用敏感波段区域中相关系数最高的波段和健康小麦和受害小麦在最佳波段处的变化率,构建了多波段的,具有较强机理性的蚜虫光谱指数,研究结果表明,蚜虫光谱指数与蚜害等级具有较好的相关性(R2=0.839);同时,研究试图采用相关拟合分析方法,以可见光-近红外区域的健康小麦光谱为基谱,研究不同蚜害等级的小麦冠层光谱相对于基谱的特征,研究发现,不同蚜害等级的光谱相对于基谱的相关拟合曲线接近直线(R2＞0.99),且随着蚜害等级的加重,相关拟合直线的斜率呈逐渐增大的趋势。进一步通过400nm为相关拟合分析的起点,以间隔为5nm的波段为终点,求拟合直线的斜率与蚜量的相关性,结果发现,当选择400-810nm的波段区域进行相关拟合分析时,不同蚜害等级样点光谱的拟合直线的斜率与蚜害等级的相关性最高(R2=0.899)。　　(4)在区域尺度的蚜虫监测研究方面,以北京周边的通州、顺义区为研究区,基于地面调查数据和蚜虫发生发展的生理特征,通过获取与地面调查同步的多时相Landsat TM数据,提取与蚜虫发生发展可能相关的遥感生境因子,包括表征温度信息的地表温度(LST),表征小麦冠层水分信息的归一化水分指数(NDWI,MNDWI)和表征小麦长势信息的归一化植被指数(NDVI),试图建立基于二维特征空间的蚜虫发生发展的实时监测模型。研究结果表明,LST-MNDWI的二维特征空间相比LST-NDWI和LST-NDVI对蚜虫危害程度具有更强的判别能力。根据多时相不同蚜害程度的样点在LST-MNDWI特征空间中的分布规律,构建了多时相的蚜虫危害程度区域监测模型,经验证,监测模型的总体判别精度为84％,Kappa精度为75.67％。　　(5)在小麦蚜虫预测研究方面,利用单通道算法对环境星数据与Landsat TM热红外数据在反演地表温度的一致性进行了评价,通过对两个传感器地表温度反演结果的总体分布趋势和不同地物及同种地物类型的地表温度反演结果比较,发现两个传感器在地表温度反演方面具有很好的一致性,可以用于蚜虫的预测研究中。在此基础上,基于环境星的光学数据HJ-CCD和热红外数据HJ-IRS,通过提取表征小麦的生长信息和生境信息以及气象因子,尝试采用logistic回归分析方法建立小麦蚜虫发生概率预测模型。蚜虫预测模型的输入变量包括反应小麦生长状况的NDVI,表征生境特征的地表温度LST和土壤含水量PDI,经检验,模型的整体拟合优度较好,对样点的预测精度高达94％,且预测模型对蚜虫发生预测概率与实地调查点的蚜害等级之间存在较好的正相关关系,几种相关分析的相关系数R均大于0.5(p-value＜0.001),表明蚜虫发生预测概率高的区域蚜虫危害等级会向更严重的方向发展。