本研究针对病虫害遥感检测中,茎基腐与全蚀病病害易混淆的问题,基于非成像光谱以及地面样点观测数据,在冠层尺度研究两种病害,对不同尺度上的光谱响应进行对比分析。依据分析所得差异特性及筛选所得特征参数。建立辨别分析模型,对两种病害样本的混合样本库进行区分,实验结果显示区分程度良好。在实际的茎基腐与小麦全蚀病两种病情的评估过程中,降低了对人为主观经验的要求,提高了病情的识别度和计算速度。实现了在非成像高光谱层面,对未知白穗率条件下的两种病害的进行区分。有助于茎基腐与全蚀病两种病害发病区域以及不同田块的发病程度进行非监督的快速多分类的进行,为最终达到病害区域识别、区分病害种类、病害程度分级等步骤的遥感测量一体化目标提供理论依据。本文从小麦茎基腐与全蚀病两类病害不同白穗率原始光谱图谱入手,分波段对原始光谱进行一阶微分变换,选取差异波段处理后得到差异波段二阶微分光谱。同时对光谱特征值与植被指数进行选择。通过IBM SPSS Statistics软件,分别通过逐步判别法对各特征参数进行筛选,结果显示Db对应波长、Dy黄边最大一阶微分值、NPCI、SIPI、RVSI和WI共6个指数对2种病害的区分程度良好,结合所选差异波段得出两组判别系数,建立相应的判别函数式后应用Fisher费氏判别法及Bayes贝叶斯判别法,对三类样本混合集进行辨别分析。通过建立2个判别函数式,应用2种判别法,对3类样本混合集的样本进行识别区分。实验结果显示,12组别均有良好的区分效果,而两种比较模型对判别结果结果产生的差异可以理解为,由于光谱特征值和植被指数是通过对光谱进行不同形式的组合变换所得,其建立的多元化模型融合了多元信息,而这种多元信息融合增强并突出了某些特定组分及结构的光谱响应信号,所以对于独立光谱特征区分度低的情况,光谱特征值或植被指数建立的多元辨别函数在一定程度上改善了对混合样本库的判别效果。本文验证了两类判别准则对小麦茎基腐与全蚀病两类病害,在非成像高光谱方面进行区分的可行性。最终实现了对茎基腐病害和全蚀病两类病害的区分。