本研究采用计算机视觉识别技术试图建立可用于棉花膜下滴灌的快速干旱诊断方法。采用盆栽与大田试验，对棉花的生长发育过程进行了观测，分析在不同水分状况下棉花干旱胁迫的规律；利用计算机视觉识别技术分析并提取了棉花冠层的特征光谱参数；分析了棉花冠层光谱参数的变化规律及影响图像获取质量的外界条件，确立了棉花冠层图像的获取方法；以细胞汁液浓度作为棉花干旱程度的指示指标，结合其与棉花冠层特征光谱参数间的关系，建立基于计算机视觉识别技术的棉花水分状况诊断指标模型，对建立的模型进行了验证。主要研究内容如下： ⑴不同水分处理条件下，棉花叶片细胞液浓度、比鲜叶重、蒸腾量、叶面积等均存在差异，这一差异在低水处理与高水处理间更为明显；叶面积和干物质积累在蕾期以后才出现差异，棉花植株含水量、叶片细胞液浓度、比鲜叶熏、蒸腾量在蕾期就开始出现差异。 ⑵建立了以数码相机作为载体的田间图像获取技术。结果表明，图像的获取采用有约束拍摄方法，获取图像时要求天气状况良好，风速小，光照均匀，光照过强由于热点过多而造成曝光过强或形成阴影；参考时间在中午12点到14点，固定照相机的距离垂直拍摄，棉花品种不同在相同生长条件下存在差异，但适合采用相同的成像条件。 ⑶大田棉花冠层光谱参数与棉花的水分生理指标拟合的结果发现，蕾期的拟合相关性不显著，几乎找不到能与棉花干旱指标相匹配的特征光谱参数，但在花期和铃期，光谱参数指标与叶片细胞液浓度的相关性达到了极显著水平（如：炮台一号，花期rGs=-0.6476，铃期rH=-0.8447；中棉42，花期rGs=-0.6926，铃期rH=-0.7981）.由公认的土壤干旱指标导出以叶片细胞液浓度为基础的棉花干旱胁迫指标；利用光谱特征参数与棉花叶片细胞液浓度建立多元一次线性模型，发现参数H、Sas建立的模型最优，校验结果表明，炮台一号在花期与铃期利用H和Sas与细胞液浓度建立的估算模型，其预测值与实测值间的相关性达到了极显著水平（r2为0.9427和0.8842），相对误差和均方差都较小（RE为4.6％和1.99％，RMSE为0.09和0.109），中棉42在花期与铃期利用H和Sas与细胞液浓度建立的估算模型，其预测值与实测值间的相关性达到了极显著水平（r2为0.945和0.881），相对误差和标准偏差都较小（RE为0.21％和0.82％，RMSE为0.094和0.091），可以有效的对棉花叶片细胞液浓度进行预测，即预测棉花的干旱情况。 ⑷盆栽试验的结果与大田试验的结果类似，蕾期也不能利用光谱参数预测棉花的干旱情况；在花期，特征光谱参数与棉花的植株含水量及蒸腾量间极显著的相关关系，与特征光谱参数H和Sas建立的多元一次线性模型也达到了显著水平。