渍害是由于农作物长期遭受滞水或地下水浸渍,土壤长时间处于水、热、气和养分失调的水分过饱和状态,影响作物生长或危及作物生长而引起的一种农业气象灾害。本研究为探索基于高光谱和数字图像技术的受渍冬小麦的最优监测方法,基于排灌可控的微区试验,通过分析常用的高光谱和数字图像特征指数与受渍冬小麦叶绿素相对含量（SPAD）和分层SPAD值之间的相关关系,构建了基于最优监测特征指数的多元线性回归模型、支持向量机模型、BP神经网络模型、决策树模型以及随机森林模型,以期从叶片-冠层-田块进行探索为遥感技术在冬小麦渍害监测上的应用提供依据。本研究结论如下:1)与正常小麦相比,短期渍水（≤7 d）对冬小麦平均SPAD和各分层SPAD值影响不明显,当渍水时间大于12 d时,SPAD值随着渍水时间的增加急剧降低,在生长后期接近于0;渍水3 d对冬小麦生长不明显,其有效穗数、穗粒数、千粒重以及实际产量均较高,其他有效穗数、穗粒数、千粒重以及实际产量均随着渍水时间而逐渐降低。2)从叶片尺度进行分析,得出基于图像特征指数相比于L1、L2、L3层,平均SPAD估算模型结果较好,实测值与预测值间的R~2达到0.633,均方根误差（RMSE）为6.003,相对误差（RE）为4.080,且表现为基于随机森林算法的平均SPAD值估算结果较好,其R~2达到0.809,RMSE为4.660,RE为3.167;基于高光谱特征指数的平均SPAD可较好地预测受渍冬小麦SPAD值;多元线性回归模型精度小于支持向量机模型精度小于BP神经网络模型精度小于决策树模型精度小于随机森林模型精度,随机森林模型可较好地预测各分层冬小麦SPAD值。3)从冠层尺度进行分析,得出基于冠层图像特征指数的绿红差值植被指数（GMR）、超红指数（EXR）、红光标准化值（NRI）和超绿指数（EXG）等数字图像特征指数的冬小麦SPAD估算结果,与基于相对应的高光谱波段的估算结果基本一致,估算模型实测值与预测值间的R~2最高达到0.935,均方根误差（RMSE）为2.845,相对误差（RE）为1.746;与基于数字图像特征指数相比,基于类胡萝卜素反射指数（Ctr2）、黄边幅值（Dy）、归一化植被指数（NDVI）和结构不敏感指数（SIPI）4个高光谱特征指数的冬小麦SPAD估算模型实测值与预测值间的R~2最高达到0.945,RMSE低至2.463,相对误差为1.621。可见,基于高光谱和数字图像技术均可进行受渍冬小麦SPAD估算,且基于高光谱特征指数的BP神经网络模型估算结果较好。4)从田块尺度进行分析,得出多元线性回归模型精度小于支持向量机模型精度小于BP神经网络模型精度小于决策树模型精度小于随机森林模型精度,随机森林模型可较好地预测各小区SPAD值。