小麦白粉病是小麦主要病害之一。本研究采用了近地高光谱遥感技术和无人机航拍技术对田间小麦白粉病的发生进行了研究,同时分析了白粉病发生后小麦产量、千粒重和籽粒蛋白质含量的损失率与光谱数据和无人机航拍数据的关系。此外还研究了田间空气中小麦白粉菌分生孢子浓度的变化动态及其与气象因子的关系,建立了基于分生孢子浓度以及气象因子的田间病情指数估计模型。主要研究结果如下：1小麦白粉病的发生会对小麦产量、千粒重和蛋白质含量造成显著不利影响。建立了基于关键生育期病情指数和病情曲线下面积的小麦产量、千粒重和蛋白质含量损失率的模型,各模型均达到了极显著水平。2.相关性分析结果发现,扬花期、灌浆初期和灌浆后期田间小麦白粉病的病情指数与红边参数中的dλred和SDr极显著负相关,与植被指数中的DVI、RVI、 SAVI和NDVI极显著负相关。选取dλred、SDr、DVI、RVI、SAVI、NDVI和NIR建立病情指数预测模型,其中基于dλred、DVI、NDVI、SAVI所建模型在扬花期、灌浆初期和灌浆后期均达到较好拟合效果。建立了基于扬花期、灌浆初期的dλred、 SAVI产量因子损失率预估计型和基于灌浆后期的dλred、NDVI产量因子损失率估计模型,其中基于dλred所建模型在不同生育时期普适性更好。3.将距地面50m、100m、200m、300m和400m的数字图像颜色特征值及其组合参数与病情指数进行相关性分析后发现,距地面不同高度所获得的数字图像颜色特征参数与小麦白粉病病情指数的相关性存在差异,其中R、G、B与小麦白粉病病情指数之间存在显著或极显著地正相关性,在400m以下高度更适合用无人机数字图像参数来预测田间小麦白粉病的发生。在相关性分析的基础上,建立了基于亮度I的病情指数、产量、千粒重、蛋白含量的估计模型,各模型均起到较好拟合效果,说明可以利用空中获取的数字图像参数来估计白粉病对产量、于粒重和蛋白质含量的影响。4.采用Burkard定容式孢子捕捉器对田间小麦白粉病菌分生孢子的监测结果表明,空气中病菌分生孢子的浓度首先随着病情指数的上升而上升,到灌浆期达到最大值,之后逐渐降低。时间序列分析的结果表明,田间空气中白粉菌分生孢子浓度符合ARIMA(1,1,0)模型,而且田间空气中白粉菌分生孢子浓度与温度有显著的相关关系,由此建立了基于温度的白粉菌分生孢子浓度预测模型,模型均达到了显著水平。研究结果发现,田间白粉病的发生程度与空气中病菌分生孢子和关键气象因子有显著的相关关系,在此基础上,分别建立了基于空气中分生孢子浓度或气象因子和分生孢子浓度的田间白粉病情估计模型,其中基于分生孢子浓度预测模型普适性要好于基于孢子浓度和气象因子的预测模型,可以用来预测田间小麦白粉病的发生。