气候变化与人类活动共同作用背景下,农作物病虫危害日益加剧,传统植保调查以点代面的方式无法获取区域完整病害发展过程信息,迫切需要开展时空连续的高精度病害监测研究。近年来,空间遥感技术的迅猛发展为作物病害监测提供了新的思路和方法,然而现有基于遥感技术的作物病害监测研究对不同尺度的病害光谱响应和变化规律认识还不够深入,在耦合多源数据进行大尺度病害遥感监测的算法和模型上还不够完善,同时也存在地面样本量不足影响病害监测精度的问题。如何通过遥感观测分析不同尺度下病害光谱响应和变化的基本规律,进而融合多源数据构建高精度大尺度作物病害综合监测模型是农业遥感领域亟待解决的关键问题之一。本研究以小麦赤霉病和白粉病为例,探索分析了麦穗尺度和冠层尺度的作物病害光谱响应特征,在田块尺度结合病害光谱响应特征和图像纹理特征进行了病害遥感监测研究,在区域尺度结合多源数据融合方法和高分辨率卫星传感器通道特征提出了区域作物病害监测方法及跨地区病害数据综合利用模型,具体研究内容和研究结论如下:（1）在麦穗尺度上,获取了受赤霉病侵染麦穗非成像高光谱数据,分析了赤霉病的光谱响应特征,基于光谱响应特征提取了一阶微分光谱特征、连续统去除光谱特征、植被指数和小波特征。分析发现小波特征与病情严重度的相关性要优于其他光谱特征,在构建赤霉病病情严重度监测模型时,小波特征的加入能够在一定程度上提高模型的精度。（2）在冠层尺度上,本文对小麦赤霉病及白粉病的冠层光谱响应特征进行了分析,并构建了病害遥感监测模型。对于小麦赤霉病,研究通过分析扬花期与灌浆期的冠层光谱数据,发现不同生育期的病害敏感波段范围存在差异。基于敏感波段范围提取了一系列光谱特征,并将光谱特征与冠层赤霉病病情指数进行了相关性分析,结果发现扬花期与灌浆期的最敏感光谱特征分别为结构不敏感色素指数（SIPI）和三角植被指数（TVI）,且灌浆期基于TVI构建的病情指数监测模型效果优于扬花期基于SIPI构建的模型。对于小麦白粉病,研究分析并筛选了灌浆期小麦白粉病病害敏感波段范围,基于近红外和短波红外相关性最强的波段构建了白粉病严重度高光谱指数PMDI,分析发现PMDI与冠层白粉病严重度呈显著正相关。（3）在田块尺度上,基于麦穗和冠层尺度的赤霉病光谱响应特征,选择光谱范围为450—950nm的无人机高光谱影像进行病害监测研究,选取了原始波段、植被指数及纹理特征等33个特征变量进行建模,通过后向特征筛选剔除了可用信息较少和存在信息冗余的特征变量,最终利用NRI、MCARI、MSR、GI、TVI、TCARI和Band50（650nm）7个特征变量进行建模,考虑到BP神经网络有较强的非线性映射能力及较好的自适应和泛化能力,研究选择BP神经网络进行多变量建模,并将模拟退火算法引入BP神经网络克服其容易产生局部极小值的问题,最终提出了基于改进的BP神经网络的病害监测模型。利用该模型对研究区的小麦田块进行了赤霉病严重度监测填图,结果发现从扬花期至灌浆期,研究区重度患病小麦急剧增加,说明在不采取防治措施的情况下,小麦赤霉病在灌浆期的扩散十分迅速。（4）在区域尺度上,本研究首先利用Landsat-8进行区域白粉病监测研究,基于小麦白粉病冠层光谱响应特征,以NDVI和EVI作为表征小麦生长状态的特征因子,融合地表温度与降雨量数据构建了小麦白粉病患病概率模型,实验结果表明该模型能够较好地监测小麦白粉病的发生。此外,本研究基于小麦赤霉病冠层光谱响应特征,利用Sentinel-2卫星波段响应函数进行了Sentinel-2多光谱数据的拟合,通过对拟合数据的分析提出了红边赤霉病监测指数（REHBI）。经验证,基于REHBI构建的赤霉病监测模型在区域监测中能够达到78.6%的精度,且对于健康小麦和患病小麦的区分效果优于已有植被指数。为解决区域病害监测中样本量不足的问题,本研究以小麦白粉病为例,提出了一种基于传统迁移学习算法Tr Ada Boost的改良算法Op Tr Ada Boost,该算法能够利用多地区数据构建高精度病害综合监测模型。经验证,与传统监测模型相比,Op Tr Ada Boost表现较好,其总体精度达82%。