随着无人机在农业领域的推广使用,结合光谱信息采集分析的无人机遥感逐渐成为了监测农情、评估判断农田作物长势的有效手段。而多旋翼无人机在低空遥感作业时产生的风场,会造成肉眼可见的作物倒伏变形,进而影响作物冠层真实的光谱反射率信息的采集。为了探究多旋翼无人机风场分布规律及其对作物冠层光谱信息采集的影响,本论文选取水稻和油菜为研究对象,在基于无人机低空模拟平台,利用三向风场无线传感网络系统,测量不同高度下无人机旋翼下的风场分布规律。结合在不同测量点下拍摄的无风场和有风场作物冠层多光谱图像,分析飞机旋翼下方的三向风场对水稻冠层光谱信息采集的影响,并对最终试验数据进行了方差分析和回归分析。具体研究内容和成果如下:（1）开发了一种基于CC2530 ZigBee模块的三向风场无线传感网络系统,运用QT框架设计了上位机软件“Anemometer”,实时记录、存储并汇总风速数据。该系统的可靠性测试结果显示,数据平均相对误差为1.05%,单传感器的平均采样频率为1.98 Hz,而理论采样频率为2 Hz。该系统稳定性符合试验要求,可以稳定采集风场数据,能够为多旋翼无人机风场分布规律及其对作物冠层光谱信息采集影响的研究提供有效的数据支持。（2）在线阵三向风场实验中,不同高度下各采样点的三向风速变化趋势基本一致,但Z向的风速值明显大于X向和Y向风速值,且在9个采样点中,处于旋翼正下方的5号节点的三向风速最大,并呈现由中心5号节点处向两边递减的态势,且越靠近中心处风速值越高,风场宽度越小。在高度为50 cm处的X向和Y向风场风速大规模为零,只在局部有小于2 m/s的风场分布,范围在1 m左右。距离5号采样点0.3⁰.6 m外的区域风速趋于零,全局风场宽度在0.9 m¹.2 m的范围内随时间周期性变化。（3）利用低速风场区域数据进行线性回归分析,分别得到了无人机旋翼风场Z向风速对水稻冠层NDVI（Normalized Difference Vegetation Index）,RVI（Ratio Vegetation Index）与difference_CCR的回归模型,模型的拟合优度R²分别0.7820,0.7486和0.5268。进一步对Z向风速与三项指标(NDVI,RVI与difference_CCR)进行了方差分析处理,三个线性回归模型(NDVI,RVI与difference_CCR)的相伴概率值Sig.分别为0.11574,0.13477和0.27420,而研究选取的显著性水平为0.05,因此Z向风速对水稻冠层NDVI,RVI与difference_CCR的影响在风场的低速区域并不显著。（4）为探究无人机悬停高度与油门比对油菜冠层NDVI与RVI数值的影响,研究进行了单变量多因素方差分析。实验结果显示在不同无人机悬停高度下对油菜冠层NDVI与RVI数据进行方差分析得到的相伴概率值h-Sig.都大于0.05,而在不同油门比下对油菜冠层NDVI与RVI的方差分析得到的相伴概率值p-Sig.在5号节点下的值分布为0.008和0.021,都小于0.05。因此,无人机悬停高度在任何测量节点下对油菜冠层NDVI与RVI的影响都不显著,而油门比是影响油菜冠层NDVI与RVI数值的重要因素。实验结果表明,所研发的三向风场无线传感网络系统可以高效稳定地采集风场数据。基于无人机低空遥感仿真系统,选用F450四旋翼无人机,悬停高度在145 cm到195 cm的范围内,油门在大于0.78的条件下,多旋翼无人机风场会对油菜和水稻冠层的光谱信息（NDVI,RVI）采集产生不同程度的影响,进而使得农情决策者对作物长势与农情信息的判断产生差异。本研究建立的风场与作物植被指数模型,可以为作物光谱信息的修正模型提供数据支持,从而达到获取精准农情信息的目的,并为基于无人机的作物生长监测提供科学的作业指导。