小麦条锈病是由条形柄锈菌导致的气传性低温真菌病害,能够随风远距离传播,短时间内引起大规模流行,造成小麦严重减产。随着信息技术的不断突破和广泛应用,减少因农业生产造成的环境污染,建设智慧农业、绿色农业已成为农业现代化发展的大趋势。传统的小麦条锈病监测和严重度调查主要依赖人工田间取样、植保专家判断等方式,随着近地面遥感技术的快速发展,对病害进行快速、高效、全覆盖的精确识别与定量反演,从而更有效地指导无人机定量施药,已经成为当前病害监测领域的重要研究方向。本文利用近地面遥感技术分别从叶片尺度、冠层尺度和田块尺度开展了小麦条锈病严重度监测研究。主要研究工作如下:（1）叶片尺度。基于受条锈病侵染的不同严重度的数码图像,提出一种利用数码图像对小麦条锈病叶片严重度估算分级的方法。首先利用K-means聚类法结合形态学,分析条锈病病斑区域特征,然后基于最大类间方差法（Otsu）分割G、R分量的不同组合图像,进而提取病斑并统计病斑面积和百分比。通过对田间采集的160个不同病害等级的小麦叶片进行建模、验证,与植保专家目测分级结果对比显示:总体分级正确率为85%,其中,1～4级分级正确率为92.5%,可以作为田间调查的替代手段;5～8级分级正确率为77.5%,还需进一步完善。（2）冠层尺度。基于田间实验获取挑旗期、抽穗期和开花期的近地面ASD光谱数据,利用相关性分析挑选特征因子,基于人工神经网络、多元线性回归等模型构建各生育期小麦条锈病病害严重度估算模型。通过对比分析,植被指数协同微分指数构建的多生育期ANN模型具有最佳精度,其建模集的R2和NRMSE分别达到了 0.94和9.25%,验证集的R2和NRMSE分别达到了 0.94和9.64%,可以实现冠层尺度上对条锈病严重度的定量估算。（3）田块尺度。基于不同飞行高度的无人机多光谱影像提取光谱特征和纹理特征,利用相关性分析和主成分分析挑选特征因子,构建小麦条锈病发病初-中期、中-后期病害严重度估算模型。结果表明:发病初-中期估算效果最佳的飞行高度是20 m,其建模集的R2和NRMSE分别是0.70和15.72%,验证集的R2和NRMSE分别是0.71和15.04%;发病中-后期估算效果的最佳飞行高度是30 m,其建模集的R2和NRMSE分别是0.72和10.68%,验证集的R2和NRMSE分别是0.72和16.74%;最后,将田块尺度不同发病期最优病害严重度估算模型用于无人机多光谱影像填图,得到小麦条锈病病害严重度分级图,有助于灾害的监测分级与定量施药。图[33]表[22]参[109]